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。      

基于粗糙集理论的编队协同空战决策规则提取

为了对空战过程中大量的冗余信息进行约简，以提高空战决策的实时性，将粗糙集理论引入到编队协同空战战术决策研究中，提出了一种用于提取空战关键信息和战术决策规则的属性约简算法。并将单一决策属性下的属性值约简方法推广，讨论了更适于编队作战分析的多决策属性下的属性值约简问题。最后，通过一个编队空战战术选择示例对该算法进行了验证，结果表明：空战的冗余信息是可以约简的；此算法可提取出对空战起主要作用的属性，即雷达／中距弹信息；并且在保证空战关键分类结果不变的情况下，可生成用于战术决策的最小简化策略，所提取的决策规则与编队空战的实际相符合。     

基于粗糙集理论的航空发动机故障诊断

在利用神经网络诊断航空发动机故障的过程中,引入粗糙集理论和方法,对故障诊断特征参数属性进行属性约简,剔除其中不必要的属性,从而揭示了故障诊断条件属性内在的冗余性,降低了神经网络构成的复杂性,最后给出了属性约简的结果。     

基于粗糙集与RBF神经网络的雷达辐射源信号识别研究

针对新体制、新用途雷达辐射源信号难以识别的特点,用粗糙集理论对雷达辐射源信号进行离散化、属性约简、规则提取,达到分类的目的。用粗糙K-均值聚类方法计算径向基神经网络（RBFNN）的聚类中心,然后用粗糙集理论约简得到的规则构建径向基神经网络对未知雷达辐射源信号进行识别。仿真结果表明,这种基于粗糙集与RBF神经网络的识别模型减少了识别冗余特征、简化了神经网络结构,能有效地识别雷达辐射源信号。     

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.      

一种基于蚁群优化的粗糙集属性约简方法

针对基于智能优化算法的属性约简方法存在的问题,在扩张矩阵概念的基础上,将属性约简问题转化为几何路径寻优问题,通过改进最大-最小蚂蚁系统(MMAS)算法,提出了一种基于蚁群优化的粗糙集属性约简方法,给出了相关参数的定义和详细算法流程,在UCI数据集上测试了该算法,结果表明了算法的有效性.     

快速成形制造质量研究

针对快速成形设备成形质量不高的问题,利用STL快速成型设备进行试验.进行了相应的实验设计,运用粗糙集理论对实验数据进行处理,得到了对快速成型制造质量有影响的各因素的显著性,并得到了改进加工质量的参数组合,详细阐述了该方法的原理及运用该方法进行分析的步骤.     

智能化雷达对抗情报处理技术研究

随着雷达技术的迅猛发展,雷达信号的密度、复杂程度都大幅度提高,这就增加了雷达信号的不确定性因素。本文讨论了粗糙集理论、模糊集理论、证据理论和可能性理论等人工智能技术在雷达对抗情报处理中的应用。对雷达辐射源的型号和工作模式识别、雷达网信息以及所属平台信息的推理技术进行了探索研究,给出了研究建议。     

一种不完备粗糙集的航电设备故障诊断方法

针对已获得的航电装备测试数据中存径不完备数据的问题,在分析不完备决策表和差别矩阵属性约简的基础上,给出了一种在航电装备故障诊断中基于不完备数据获取最优诊断规则的模型,并在某型超短波抗干扰机载通信电台中应用验证,结果表明其有效性,从而为提高部队航空装备的可靠性和维修性提供了一条途径。     

基于集值信息系统的改进粗集模型

提出了一种新的带有参数的改进容许关系,并讨论了基于该容许关系的粗糙集扩充模型,证明了相关定理。理论分析表明,通过合理设置参数值,可使新扩充模型比以往模型具有更好的分类效果,从而提高了对数据预测、分类的准确度。实例分析进一步验证了改进容许关系及其扩充模型的优越性。