基于粗糙集与模糊神经网络的故障诊断

神经网络已广泛应用于故障诊断领域,但也存在冗余数据难以剔除、网络结构复杂的缺陷,与其他理论相结合可以得到更优越的诊断特性。粗糙集在数据约简和规则获取等方面具有优势,可以有效避免神经网络构造的困难;同时,模糊神经网络可以使网络推理过程变得透明,且较强的数据泛化能力可以弥补粗糙集的不足。通过将粗糙集与模糊神经网络技术相结合,建立故障诊断模型,利用歼击机操纵面故障诊断实例检验其可行性和有效性。     

一种评估航空电子系统作战效能的方法

航空电子系统在作战中起着至关重要的作用,航空电子系统的作战效能评估是一个复杂问题。分析了航空电子作战效能的影响因素,建立了相应的指标体系,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。应用综合评价等级和对作战效能评价结果的对应关系确定航空电子系统作战效能。模型的建立考虑了先验知识的运用,实现定性与定量相结合,简便直观,对某型飞机航空电子系统作战效能评估效果良好。从而为航空电子系统作战效能评估提供了一种新的评价方法。     

粗糙集在卫星电源系统故障诊断中的应用研究

为了提高多故障诊断算法在诊断信息不完备时的诊断能力,引入粗糙集技术。对粗糙集技术中决策表的约简问题进行了深入地研究,给出了约简算法;详细论述了已有的实时诊断算法的步骤和缺点,把粗糙集技术和其诊断算法相结合,给出了改进的诊断算法。将此技术应用于卫星电源系统的故障诊断中,在缺少征兆信息的情况下仍能正确地进行实时诊断,表明可以提高诊断能力和效率。     

EEMD与NRS在涡桨发动机转子故障诊断中的应用

针对涡桨发动机转子系统振动信号的非平稳特征,提出一种基于集成经验模态分解(EEMD)与邻域粗糙集(NRS)的涡桨发动机转子故障诊断方法。该方法先对转子振动信号进行EEMD,提取原始信号的时域特征和多尺度排列熵(MPE)特征,转子系统的大部分故障信息隐藏在前几个高频本征模态函数（IMFs）中,分别计算它们的时域指标、能量特征和奇异值分解(SVD)特征;利用NRS评估各个特征的属性重要度,进而选出敏感特征;将其作为支持向量机(SVM)的输入向量来对转子进行故障诊断。实验结果表明:该方法利用敏感特征集对涡桨发动机转子进行故障诊断的准确率达到了97.5%,同时剔除了大量冗余特征,具有较强的鲁棒性。      

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。     

基于粗糙集-信息熵的辐射源威胁评估方法

为满足复杂电磁环境下战机对辐射源威胁等级判定算法的需求,将粗糙集理论引入对雷达辐射源威胁评估中,并结合信息熵理论构建一套完备的计算威胁度量值的数据处理模型,实现对辐射源威胁程度的定量表示,直观地评估辐射源的威胁程度。经典粗糙集理论难以应对在没有决策信息条件下的决策问题,采用信息熵的方法求取最大权重属性替代决策属性,拓展粗糙集的适用范围。模型直接基于数据驱动得到辐射源的威胁度量值,易于实现并具备良好的时效性,减少系统对先验信息的要求与主观赋值带来的影响。仿真结果表明,该方法可以快速、准确地实现对辐射源威胁的评估。      

基于粗糙集的案例推理在民机结构MSG-3分析中的应用

确定飞机结构偶然损伤检查任务和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,本文将基于粗糙集的案例推理应用于民用飞机MSG-3(Maintenance steering group)分析过程。本文从民用飞机MSG-3分析的需求出发,分析了基于案例推理的MSG-3分析基本过程,讨论了民用飞机MSG-3分析案例库的构建、案例表达、案例检索、匹配、案例修改、维修任务和间隔的确定等关键技术。同时,本文应用粗糙集理论,对MSG-3分析的特征属性进行权重分配,从而避免了人的主观性对案例检索准确性的不良影响。最后通过对某重要结构项目进行偶然损伤实例分析,效果良好。     

基于一般二元关系的多粒度粗糙集模型

多粒度粗糙集模型是经典粗糙集模型的一种重要扩展形式。它使用了一族等价关系而非一个等价关系来进行目标概念的近似逼近。在多粒度粗糙集模型概念中,有乐观和悲观两种形式。本文从一般二元关系的角度出发,对多粒度粗糙集模型进行进一步扩展,分别给出了基于一般二元关系的乐观和悲观多粒度粗糙集模型的概念,并对这两种模型的性质进行了讨论。     

粗糙集理论的连续属性离散化的一种方法

文中提出了基于属性支持度的连续属性的离散化的一种方法,在Na(1)ve Scaler算法基础上利用了决策属性支持度作为准则,进一步减少了用Na(1)ve Scaler算法处理后的离散化后的断点数,试验表明了该方法使得离散化后的规则集合更加简洁,更便于属性约简.