舰船装备故障诊断特征知识获取方法研究

将粗糙集理论引入到舰船装备故障诊断特征知识获取,提出一种基于粗糙集理论的舰船装备故障诊断特征知识获取模型.该模型从包含冗余和不一致信息的原始数据出发,构建决策表,通过属性约简和属性值约简获取故障诊断的最小约简属性集和诊断规则,并建立诊断规则知识库.实例分析表明:在保持故障诊断分类结果的情况下,该方法可以提取出最能反映故障的特征,并能有效地解决舰船装备故障诊断中规则获取的知识冗余或缺失问题,从而为粗糙集在舰船装备故障诊断中的深入应用打下基础.     

基于粗糙集的船舶主机轴系故障诊断

船舶主机轴系的故障诊断对船舶正常航运具有重要意义.将粗糙集理论应用到船舶主机轴系故障诊断中,建立了基于粗糙集的船舶主机轴系故障诊断模型.采用NaiveScaler方法对故障数据离散化处理,利用基于属性重要度的启发式算法进行属性约简,获取故障诊断相关规则.算例验证了该模型的有效性.     

基于粗糙集和 SVM 理论的柴油机故障分类预测诊断

文中利用粗糙集和 SVM 理论相结合的方法对柴油机故障进行快速准确分类预测诊断。首先对收集的故障特征数据进行预处理,再运用粗糙集理论进行属性约简得到最优决策属性表,然后使用 SVM 理论中的分类预测规则对最优决策属性表进行诊断分类,得出诊断结果。通过实例分析验证了该诊断方法优于单一的粗糙集诊断和 SVM 诊断。     

基于粗糙集理论的遗传属性约简算法研究

传统的属性约简算法效率低下,容易陷入局部极小值,不适用于大型知识库。文中提出一种基于粗糙集理论的遗传属性约简方法,在传统的属性约简方法基础上对适应度函数、交叉和变异的概率、变异方式和种群修复方式进行了改进。在正域区分对象集的研究基础上,用启发信息设计了一种快速的属性约简算法,并利用 Matlab 工具进行仿真,将仿真结果与前人研究结果作对比。实验表明此算法优于前人的算法,能够快速高效地对大型知识系统求其约简。     

粗糙集理论在装备故障诊断中的应用

针对目前部队的装备故障诊断能力较弱的现状,通过几种故障诊断方法的比较,选取出粗糙集作为装备故障诊断方法,从而对已得到的装备状态的测试数据进行分析,利用粗糙集的约简算法消除冗余信息,利用决策表的形式从不完备的、不精确的测试数据中导出诊断规则,并应用于某型电台装备中进行故障诊断。结果表明,诊断结果快速准确,为今后进一步研究粗糙集算法在故障诊断中应用提供了依据。     

粗糙集在智能故障诊断中的应用

本文运用粗糙集理论的约简方法,探索了一个基于神经网络的故障诊断系统; 尝试了对一个较复杂的系统实例的论证,证明约简方法能简化结构、提高速度,尤其适合于大型神经网络的构建.     

基于粗糙集理论的港口水域事故范例推理应急决策

针对港口水域事故突发性强、影响因素多和社会危害严重等特点,将粗糙集理论与范例推理相结合,建立基于粗糙集理论的港口水域事故范例推理应急决策模型。运用粗糙集理论对范例进行属性约简,得到港口水域事故特征属性及其重要度,从而优化港口水域事故的评价以及处理方案的制定。     

粗糙集和贝叶斯网络融合故障诊断方法

融合贝叶斯网络和粗糙集对不确定故障诊断的优势,以及粗糙集对冗余信息的处理能力,给出了一种粗糙集和贝叶斯网络进行融合的装备故障诊断方法,获得最小属性集的贝叶斯网络故障诊断模型及诊断规则,并应用于某型机载电台装备中进行验证,结果表明该方法不仅有效,而且得到的诊断规则也比单纯应用贝叶斯网络要优。     

基于遗传粗糙集的渔船安全评估及规则挖掘

为对渔船安全技术状况进行客观评估,提出了基于粗糙集的渔船安全技术状况评估方法。通过遗传算法对粗糙集属性约简进行改进,利用属性依赖度计算属性核,同时在种群初始化时引入属性核计算个体适应度,动态调整适应度函数以获得最小属性约简。算法根据属性重要度确定指标权重并获得综合评估结果,按照生成的规则知识库进行了规则挖掘。试验表明：该方法可以有效地降低评估运算量,同时规则知识库的建立为渔船安全技术状况评估提供了基础依据。     

基于粗糙集理论的柴油机燃油系统故障诊断研究

针对柴油机燃油系统的故障种类多的特点利用小波方法对燃油波形进行分析,提取时域及频域的故障特征参数,并使用粗糙集理论对这些故障特征参数进行约简,达到简化故障识别的神经网络的结构、加快辨识速度的目的.最后用RBF神经网络对所模拟的各类故障进行辨识,证实了粗糙集理论在柴油机燃油系统故障诊断中应用的可行性.     

基于粗集的电台识别决策表最小约简算法

简要介绍了粗糙集理论中区分矩阵算法和HORAFA算法在知识约简中的应用.通过约简算法仿真,突出强调了HORAFA算法在通信电台识别决策表最小属性约简中的优点.     

基于粗糙集理论的舰船电子设备状态预测方法研究

针对舰船电子设备使用环境复杂的特点,采用粗糙集理论对其状态进行预测。通过分析设备正常运行的历史数据完成信息系统的初始化,利用粗糙集理论对初始化后的数据进行属性约简并得出决策规则。最后把经过初始化的实时数据带入决策规则中来完成对设备的状态预测。     

基于变精度粗糙集的故障特征选择方法

粗糙集理论是近年来发展起来的一种有效处理不确定、不精确问题的新型数学工具。文章阐述了传统Pawlak粗糙集的核心内容,并介绍了变精度粗糙集的基本概念。从信息论观点出发,提出了基于变精度粗糙集的信息表属性约简方法,并验证了将该方法应用于故障特征选择的可行性。柴油机的实际诊断结果表明,该方法节省了硬件费用,改善了运算效能。     

船舶导航系统安全属性约简的研究

信息技术对船舶导航的影响越来越大,针对导航信息系统安全评估工作的研究也逐步深入.在安全评估过程中一般需要考虑各类安全属性,如何从安全评估的历史数据中,消除冗余属性,发掘出有利于安全评估的信息,是我们所关心的问题.提出一种船舶导航系统安全属性约简的方法,在变精度粗糙集基本概念的基础上,以布尔函数为数学工具,对属性约简进行描述.实例说明,这种方法可以根据历史数据,有效地进行决策系统的属性约简,从而减轻系统决策的工作量,提高系统决策的工作效率.     

基于粗糙集知识建模的船舶焊接生产设计方法

知识获取是船舶焊接生产设计智能系统构建中的一个瓶颈问题。本文提出一种基于粗糙集理论的知识建模方法,该方法包括数据采集、顸处理、模型约简、模型推理等四个方面。通过属性约简、值约简和规则约简三个步骤,可从系统运行的经验数据中自动提取出一个精简的知识模型。针对模型推理中存在的规则匹配冲突问题,提出一种基于属性重要性的推理算法。以焊接位置、焊接方法、焊接材料、焊接设备等焊接工艺决策为例,介绍RS建模在船体焊接生产设计中的应用。     

基于粗糙理论船用雷达故障诊断专家系统研究

在专家系统中如何获取知识是其主要的难点问题之一,本文利用粗糙集理论建立专家系统模型,对决策表中的冗余信息进行删除,利用约简处理的最小决策表进行故障诊断。最后进行实例分析,通过实例结果可以看出,删除冗余信息的决策表能够保证故障诊断的准确率,有效的维护知识库的完整性。     

基于粗糙集理论的系统智能控制方法研究

为了使系统能够正常运行,采用粗糙集理论对其状态进行智能控制.通过分析系统正常运行的历史数据,经过归一化、求上界完成信息系统的初始化后,利用粗糙集理论对其进行属性约简并得出决策规则.把经过初始化的实时数据带入决策规则中来判断系统状态是否存在异常,最终完成对系统的智能控制.     

基于多变量决策树的网络故障诊断方法研究

在网络故障诊断系统中,可以用粗糙集理论约简网络信息M IB变量,从而求出最有利于分类的变量集合。提出了首先约简信息表,并构造多变量决策树,提取相应的决策规则,判断网络故障类型的方法。决策树构造方法简单,提取出来的规则以决策树形式表示,规则易于理解,网络故障诊断效率较高。     

一种基于粗糙集的决策树生成算法

针对决策树的构造和修剪通常不能同时进行所产生的效率低下的问题,提出了基于粗糙集理论中知识依赖性的决策树构造方法.利用优先策略,将知识依赖性同时作为属性约简和建树的准则,在决策树预修剪的同时进行节点生成,大大提高了决策树构造的效率.使用Fisher's iris数据集对基于粗糙集理论中知识依赖性的决策树生成算法和用回归拟合方法的决策树生成算法进行比较.实验结果表明,前者的分类精度和决策树模型的复杂程度要明显优于后者.     

一种基于粗糙集的决策树生成算法

针对决策树的构造和修剪通常不能同时进行所产生的效率低下的问题，提出了基于粗糙集理论中知识依赖性的决策树构造方法。利用优先策略，将知识依赖性同时作为属性约简和建树的准则，在决策树预修剪的同时进行节点生成，大大提高了决策树构造的效率。使用Fisher＇s iris数据集对琏于粗糙集理论中知识依赖性的决策树生成算法和用回归拟合方法的决策树生成算法进行比较。实验结果表明，前者的分类精度和决策树模型的复杂程度要明显优于后者。