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。      

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。     

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。     

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NRS-SVM模型的航空弹药消耗预测研究

结合航空弹药训练消耗的特点,研究邻域粗糙集(Neighborhood rough sets,NRS)与支持向量机(Support vector machines,SVM)融合的航空弹药训练消耗预测问题。通过邻域粗糙集将5个初始影响因素约简为3个核心影响因素,并以此训练集对支持向量机进行回归优化。通过参数寻优得到最优的惩罚参数和核参数,进而构建NRS-SVM组合预测模型来预测航空弹药消耗。实证研究表明,该模型预测结果与实际数据吻合度较高,且与其他预测模型相比具有更好的预测性能。     

基于粗糙集的刀具智能选配研究

本文提出一种以实例推理为主、规则推理为辅的刀具智能选配方法,采用粗糙集理论对刀具选配实例库进行优化,对刀具选配历史方案进行约简,剔除冗余数据信息,提高检索刀具选配历史方案的效率,使用规则推理作为实例推理的补充,增强刀具智能选配的实用性。     

基于粗糙集理论的翼型参数优选方法研究

在设计机翼时,通常需要进行多目标决策,而教练机机翼翼型选取的先验经验不足,需要进一步研究,从而得出翼型的选择规则.分析国内外已有教练机机翼翼型使用情况,运用粗糙集理论中基于重要度和条件信息熵结合的权重确定方法,提出在机翼方案设计阶段翼型的选择方法;对比分析三种分段方法在翼型性能指标离散化时的优缺点及其原因,并结合算例进行适用性验证.结果表明:在有限数据条件下,两断点方法是比较合适的属性离散化方法.所提出的方法具有使用价值,对飞机设计方案阶段翼型的选择以及机翼的气动设计具有参考意义.     

基于粗糙集与ID3的航空维修数据分析方法研究

提出了一种基于粗糙集(RS)与ID3的决策树构造算法RSI,该算法以属性重要度和属性依赖程度作为属性约简和建树的准则,解决了ID3算法用信息增益作为选择属性标准的局限性,并能够同时实现决策树的构造和修剪,大大提高了建树的效率。     

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.