粗糙集理论研究综述

粗糙集理论是一种用于分析和处理模糊和不确定信息的软计算方法.本文回顾了粗糙集理论,介绍了粗糙集模型的主要概念,系统总结了粗糙集理论与其他智能方法的融合并介绍了粗糙集理论的硬件实现方法.     

基于变精度粗糙集的航空发动机故障诊断

针对航空发动机故障诊断的实际情况,在分析粗糙集理论缺陷的基础上,引入变精度粗糙集模型对专家给出的样本集进行处理,并将所得到的极小化决策算法用于历史故障样本集的分析,得到了高的识别率,从实践的角度证明了该方法的有效性以及小样本情况下所得决策算法的普适性.      

一种基于相邻模块化加权D-S的融合诊断方法

常规D-S (Dempster-Shafter)决策融合方法由于其自身理论不足,不能很好直接处理决策结果偏差大、冲突大的传感器融合问题,因而对于信息高冲突情况下的转子微弱故障融合诊断存在着失效问题。针对该类问题与不足,借鉴复杂网络的舆论传播、社会学习理论及多智能体一致性决策的相关概念与思路,从避免决策结果冲突大的传感器直接进行融合的角度进行改进,提出相邻模块化加权D-S融合方法。该方法首先根据初步结果进行相邻节点与模块划分,只有决策距离在相邻界限值范围内的相邻模块节点才能进行决策融合;对于同一模块内相邻节点,根据各节点决策权重及初步决策结果采用加权D-S融合方法进行决策融合;针对融合结果再进行相邻节点模块划分与融合,依此步骤进行循环划分与融合,直到所有模块与节点均不相邻;最后采用专家权威决策方法确定权重和最大的模块融合结果作为最终的传感器网络一致性决策结果。通过多传感器网络的转子故障模拟实验对所提方法进行验证,应用结果表明:所提方法可以较好解决少数传感器诊断正确、而多数诊断错误的信息高冲突条件下的局部微弱故障融合诊断问题。     

粗糙集理论与其他理论的杂合研究

粗糙集是研究不精确、不确定与不完全数据的软计算方法,文章介绍了粗糙集理论与方法的主要内容,并对该理论与方法的优势、劣势及与其他软计算方法的杂合进行了综述.     

基于粗糙集-神经网络的机载设备故障诊断方法研究

提出了一种基于粗糙集-神经网络的故障诊断方法。将粗糙集理论同神经网络结合起来可以用于机载设备的故障诊断。采用粗糙集理论对原始故障诊断样本进行处理,并根据条件属性对决策属性的正域的大小来选择条件属性,提取出对诊断故障贡献最大的最小故障特征集,从而确定神经网络的拓扑结构;通过训练神经网络建立故障特征与故障之间的映射关系,实现故障的诊断。通过A320飞机燃油系统的故障诊断仿真实例,表明这种故障诊断方法的有效性。     

基于局部特征的飞机结构件快速交互工艺决策方法

针对基于特征的CAPP/CAM系统不能完全自动工艺决策以及交互工艺决策效率低等问题,本文提出了基于局部特征的飞机结构件快速交互工艺决策方法。该方法在局部特征识别结果的基础上,通过调用典型特征工艺知识库,生成局部特征工艺信息模型,并采用交互手段对工艺模型进行编辑修改,完成工艺决策。实例应用表明:该方法扩大了基于特征的自动工艺决策系统的应用范围,提高了工艺决策和数控编程效率。     

基于Rough/SVM的飞机目标识别模型

研究了基于粗糙集（Rough）和支持向量机（SVM）的模式分类技术,结合遥感图像中军用飞机目标识别进行理论分析和试验研究。基于粗糙集和支持向量机算法的优势,设计了基于粗糙集和决策有向无环图的支持向量机模式识别分类器,并对分类的性能进行了分析研究。利用粗糙集理论中属性约简方法去除冗余属性,降低飞机特征维数,提出了使用决策...     

基于粗糙集的车险潜在客户数据挖掘方法

为了从现有的CRM系统中发现潜在的车辆保险客户,提出了一种基于粗糙集理论的数据挖掘方法.利用粗糙集在知识系统中特有的分类特性,经对数据的预处理,较好地解决了样本数据中存在的属性不均衡及反向样本给数据挖掘带来的负面影响.以著名的The Insurance Company Benchmark(COIL 2000)作为测试数据集,经编程构建了数据挖掘模型,对客户社会背景和保单数据进行了综合挖掘测试.结果表明利用粗糙集理论对知识的分类能力,可以挖掘出数据集中潜在的对车辆保险感兴趣的客户,并给出样本分类的包含度.     

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。     

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.     

基于粗糙集理论的飞机供电系统诊断规则提取

 为有效解决飞机供电系统故障诊断专家系统在知识获取方面的“瓶颈”,在对某型号飞机供电系统进行故障模式分析的基础上,利用粗糙集理论不需要提供待求解问题所需处理的数据集合之外的任何先验信息的特点,提出了一种诊断规则的自动获取方法。在运用粗糙集理论对故障样本集进行属性约简和值约简的过程中,针对“不确定测量状态”提出了改进的约简规则。通过在交流一次配电子系统上的验证分析表明,该方法具有较强的容错能力,可有效地约简知识,自动获取规则,且规则具有正确的逻辑意义。该方法为飞机供电系统故障诊断专家系统由理论验证向实际应用的转化提供了可行性。     

粗糙集与神经网络在航空发动机气路故障诊断中的应用

提出了一种基于粗糙集理论和神经网络集成的发动机智能故障诊断方法,首先对测量数据进行离散处理,并运用粗糙集理论建立故障决策表,进而约简属性和提取规则,对航空发动机气路部件的几种典型故障进行隔离。然后建立神经网络故障诊断子系统,使用粗糙集处理后的数据计算出发动机气路相关部件的故障程度。最后,还验证了粗糙集神经网络故障诊断系统的抗噪性能。研究表明,该系统能够正确而且高效地诊断出发动机故障的严重程度,并具备良好的抑制噪声的能力。      

基于小波变换与粗糙集的雷达目标识别方法

雷达目标识别是防空武器系统雷达信息处理的一个关键环节.在小波变换与粗糙集基础上提出一种雷达目标识别方法.小波变换能够提高了时--频分频率;粗糙集理论是一种新型的处理不确定性知识的数学工具.利用小波变换对目标原始信息进行分解,得到目标的能量特征向量;通过粗糙集简化关系表,删去冗余信息,用逻辑推理算法表示判别规则.应用小波变换与粗糙集能够满足利用不精确信息进行目标识别的需要.     

Decentralized CFAR signal detection

The authors develop the theory of CA-CFAR (cell-averaging constant false-alarm rate) detection using multiple sensors and data fusion, where detection decisions are transmitted from each CA-CFAR detector to the data fusion center. The overall decision is obtained at the data fusion center based on some k out of n fusion rule. For a Swerling target model I embedded in white Gaussian noise of unknown level, the authors obtain the optimum threshold multipliers of the individual detectors. At the data fusion center, they derive an expression for the overall probability of detection while the overall probability of false alarm is maintained at the desired value for the given fusion rules. An example is presented showing numerical results     

一种有效的粗大误差判别方法

提出了一种以灰色系统理论为基础的粗大误差判别方法，该方法对测量数据少或者难于寻求统计规律的测量过程尤为有效，与算术平均滤波法一起使用可以提高数据处理的效率。理论分析和测试结果表明，采用上述的数据处理方法可以有效地提高测量系统的测量精度和测量效率。     

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.     

Decision fusion rules in multi-hop wireless sensor networks

The decision fusion problem for a wireless sensor network (WSN) operating in a fading environment is considered. In particular, we develop channel-aware decision fusion rules for resource-constrained WSNs where binary decisions from local sensors may need to be relayed through multi-hop transmission in order to reach a fusion center. Each relay node employs a binary relay scheme whereby the relay output is inferred from the channel impaired observation received from its source node. This estimated binary decision is subsequently transmitted to the next node until it reaches the fusion center. Under a flat fading channel model, we derive the optimum fusion rules at the fusion center for two cases. In the first case, we assume that the fusion center has knowledge of the fading channel gains at all hops. In the second case, we assume a Rayleigh fading model, and derive fusion rules utilizing only the fading channel statistics. We show that likelihood ratio (LR) based optimum decision fusion statistics for both cases reduce to respective simple linear test statistics in the low channel signal-to-noise ratio (SNR) regime. These suboptimum detectors are easy to implement and require little a priori information. Performance evaluation, including a study of the robustness of the fusion statistics with respect to unknown system parameters, is conducted through simulations.     

基于粗糙集和BP神经网络的飞航导弹备件消耗规律预测

结合BP神经网络对飞航导弹备件进行消耗预测,提出了基于粗糙集和BP神经网络的预测法。该方法充分发挥了粗糙集在处理冗余数据上的优势,提高了预测速度和有效性。     

一种基于实数粗集空间的自组织映射方法及在模式识别上的应用

提出一种实数粗糙集,避免了经典粗糙集必须经过离散化处理的环节;并且用实数粗糙集的下、上近似集的精确概念划分自组织映射的输出结果,使得修改后的映射结果中各类样本点之间有明显的间隔,易于进行分类识别.最后通过对某型歼击机的舵面故障的模式识别仿真验证了其方法的正确性和有效性.