基于粗糙集和分层支持向量机的AGV多分支路径识别

双向型视觉导引自动导引车多分支路径识别的关键问题是实时性和鲁棒性。基于智能信息融合的思想,将粗糙集理论与多类支持向量机方法结合起来,提出一种基于知识获取实时性和类的相似性的分层多分支路径识别新方法。采用粗糙集知识粒度理论和分层递阶约简算法获得最小的决策规则,有效降低分类识别的复杂性;提出分类决策安全区域的学习方法,提高识别的鲁棒性。最后,仿真实验和多种环境下的运行测试验证了该方法的有效性和可靠性。     

一种多属性主客观对比评价模型及应用

提出了一种多属性主客观对比评价模型,用以分析被评价者对自身(主观)评价与专家(客观)评价的异同,以期提升评价的效能。首先针对所有被评价数据集,依托于聚类分析方法,提出了一种典型样本选取策略。然后应用优势粗糙集理论对典型样本集进行了专家知识学习,形成决策规则集,并将规则应用于分析所有的数据,获得客观评价结果,与主观评价结果进行比较分析。最后应用该模型对研究生学习能力进行了分析,证明了模型的有效性。     

基于粗糙集理论的终端区飞机排序综合评判

针对日益增长的空中交通流量所带来的严重航班延误,提出了一种全新的终端区（TMA）飞机排序方法。在介绍粗糙集综合评判方法的评判过程基础上,建立了TMA飞机排序问题评判指标体系,进行了飞机排序综合评判过程的算例仿真。仿真结果表明,方法简单可行,能够客观得到各评判因素权重,并且与先到先服务（FCFS）排序方法比较,影响范围减少50%,累计延迟时间减少23%,说明方法排序结果优于FCFS排序结果。     

航空发动机故障诊断技术研究

介绍了COMPASS软件和基于粗糙神经网络模型的新型故障诊断技术。对某航空公司运营中的ERJ145飞机双发AE3007发动机进行的故障诊断和研究表明,粗糙神经网络模型在故障诊断中的适用性和可信性很强,能够为航空发动机故障诊断提供有效参考。     

不完备信息条件下的并发故障诊断方法

在实际的装备故障诊断过程中,经常存在测试信息不完整的情况,而此时对并发故障进行诊断,则更为困难。针对这种情况,首先,对目前应用于不完备信息条件下的故障诊断方法以及并发故障诊断方法进行了分析。定义了不完备并发故障诊断决策系统对存在缺失的测试信息进行表述。提出了不完备边界粗糙熵对决策系统的不确定性进行度量,给出每条测试属性的重要度,同时给出了不完备信息条件下属性值频率的计算方法。然后,为了对并发故障进行诊断,在DSmT框架下构建了并发故障诊断模型,在此模型下提出一种融合证据特征的区间信度合成规则。最后,通过故障诊断实例,验证了方法的有效性和适用性。      

偏好多属性决策表概率决策的扩展粗糙集方法

通过用优势关系代替不可分辨关系,并设定置信阈值α,提出了一种可以从偏好多属性决策表中发现偏好概率规则集的扩展粗糙集模型。该方法可以处理偏好多属性决策表中可能的不相容性,获取由偏好对象组成的偏好概率决策规则,设计了相应的算法。研究结果表明：由该方法获取的最小偏好概率规则集,使用的务件数量较少,且导出规则的数量较少、较强。     

基于粗糙集的多岛礁要地防空威胁评估

文章以多岛礁要地防空作战需求为牵引,结合现代防空反导作战新特点,综合考虑空袭目标的主要因素和要地的相对价值,在遭受多目标攻击情况下,利用粗糙集理论,从不精确、不一致、不完整等大量不完备信息中求取最小不变集合,求解最小规律集,得出指标权重,并对目标的威胁等级进行排序。粗糙集理论能够大大提高提取有用信息的效率,从而揭示不完备信息中隐含的规律。经过案例分析,表明该方法能够客观地对空袭目标的威胁等级进行排序,对于多岛礁要地防空作战决策研究具有一定的参考价值。