一种改进的基于模糊-粗糙集的属性约简算法

FRSAR(Fuzzy-rough Set Attribute Reduction)是一种基于模糊-粗糙集的属性约简算法,它可以避免离散化时数据信息的丢失,但是该算法中决策属性对条件属性集依赖度的计算设计的不是很完善.本文提出了一种改进的FRSAR算法,它只考虑能够使属性集依赖度增大的属性,这样就降低了计算量.实验结果表明,改进算法和原有算法得到相同的约简结果,但是改进算法的执行时间大大降低.     

A generalized rough set-based information filling technique for failure analysis of thruster experimental data

Interval-valued data and incomplete data are two key problems for failure analysis of thruster experimental data and have been basically solved by the proposed methods in this paper. Firstly, information data acquired from the simulation and evaluation system formed as intervalvalued information system （IIS） is classified by the interval similarity relation. Then, as an improvement of the classical rough set, a new kind of generalized information entropy called ＂H＇-information entropy＂ is suggested for the measurement of uncertainty and the classification ability of IIS. There is an innovative information filling technique using the properties of H＇-information entropy to replace missing data by some smaller estimation intervals. Finally, an improved method of failure analysis synthesized by the above achievements is presented to classify the thruster experimental data, complete the information, and extract the failure rules. The feasibility and advantage of this method is testified by an actual application of failure analysis, whose performance is evaluated by the quantification of E-condition entropy.     

基于不完备知识的飞机发动机故障诊断研究

飞机发动机故障诊断需要厂家提供的诊断知识和不断积累的专家实践经验，具有不完备性。基于粗糙集理论，研究了一种从不完备诊断信息中获取诊断知识的方法。该方法将厂家提供的飞机发动机故障诊断知识和专家实践经验形成统一的诊断信息表，利用粗糙集的知识约简方法处理，获得一致的诊断规则，为飞机数字化维修技术的实现提供了保障。实例分析结果验证了所提出方法的有效性和优越性.     

一种基于粗糙集理论的粗糙神经网络构造方法

提出在BP神经网络中使用粗糙集理论网络的设计，由于粗糙集理论有强大的数值分析能力,而BP神经网络具有准确的逼近收敛能力和较高的精度，所以通过两者的结合，可以得到一种可理解性好，计算简单，收敛速度快的神经网络模型，这种神经网络的算法的主要过程为：首先利用粗糙集能力去发现给定数据集的一些规则，然后根据这些规则构造神经网络稳含层的神经元个数，最后用BP算法迭代求了网络的各种参数，完成网络的设计，本文最后给出了一个三维非线性函数的实例进一步验证了网络的正确性。     

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。     

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。      

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。     

雷达干扰效果评估的粗糙集方法

针对雷达干扰效果评估这一电子战作战运用中的核心问题,建立了基于粗糙集方法的评估模型。首先,构建了雷达干扰效果评估的连续值型信息系统。在计算属性约简集的基础上,建立了雷达干扰空间的偏序关系矩阵。最后,通过计算雷达干扰空间的综合优势程度,获取雷达干扰效果评估值。实例证明了该方法的有效性。     

基于模糊粗集的航空发动机健康状态监测算法研究

在发动机运行过程中,由于诸多非线性因素的影响,现有发动机状态监测中使用的参数只能部分地反映发动机性能状态,无法进行故障准确定位和故障预测.本文将通过研究模糊粗集的特征参数挖掘算法,从远程发动机监控系统所获得的大量发动机工况参数、气动热力参数和机械性能信息中进行数据挖掘,找出能够全面反映发动机性能状态的特征参数和新规律,进行发动机健康状态监测.     

基于改进AHP的民机结构偶然损伤检查间隔的研究

确定飞机结构偶然损伤检查间隔是制定飞机结构维修大纲的关键问题之一。在国内缺乏相关使用数据的前提下,经过对多种机型维修大纲制订政策和程序手册以及国际主流机型维修大纲的研究,分析了飞机结构偶然损伤的影响因素,建立了相应的评价指标体系,研究了基于粗糙集理论和层次分析法(AHP)的指标权重确定方法,在此基础上,应用综合评价等级和间隔的对应关系,建立了飞机结构偶然损伤维修间隔的制定方法。最后对某机型飞机的重要结构项目进行实例分析,效果良好。