FMEA与粗糙集相结合的故障预测方法

基于FMEA和粗糙集决策系统基本理论,对飞机中分系统故障预测问题进行了研究。首先定义故障预测所需的征兆并对系统进行FMEA,按照FMEA分析结果分次向系统模型注入引起特定故障的事件,采集含有故障趋势的系统模型的信息用于构建适用于故障预测的粗糙集决策表,对该表进行了处理,最终发现用于故障预测的知识(即决策规则和算法);最后运用所发现的知识进行故障预测。     

粗糙集理论的电子设备诊断规则提取

为了解决现有诊断规则提取方法中的不一致性问题,得到具有良好适应能力和最大匹配能力的诊断决策规则,结合电子设备故障征兆特点,提出一种基于粗糙集的电子设备故障诊断规则提取方法.该方法先对原始数据进行预处理,形成决策表,用粗糙集进行属性约简和值约简,最后提取诊断决策规则,并对诊断规则进行评价.通过实例分析表明,该方法能提取出具有一定泛化能力的诊断规则,在故障诊断中能够提高诊断决策规则的匹配效率.     

一种新的基于粗糙集的连续属性离散化算法

粗糙集理论作为一种新的处理含糊和不确定性问题的数学工具,已成为国际学术界的一个前沿的研究领域.传统的粗糙集理论只能对数据库中的离散属性进行处理,而绝大多数现实的数据库既包含了离散属性,又包含了连续属性.针对传统粗糙集理论的这一缺陷,提出了一种改进的基于断点重要性的属性离散化方法.最后,通过实例分析说明该方法是有效的.     

一种高效的不协调决策表约简算法

目前,不协调决策表的分布约简、最大分布约简和分配约简算法复杂度较高,不适合处理大数据集。在分析已有算法基础上,分析了基于相对可区分度的属性重要性度量的性质,解决了正域度量属性重要性的缺陷。针对不协调决策表,给出了多种简化协调决策表的定义,从而大大缩减了约简的实例数。以相对可区分度为启发函数构造了一种高效完备的不协调决策表约简算法。理论分析和实验结果表明,该约简算法解决了现有算法在复杂度和属性重要性度量上的缺陷,适合处理不协调的大数据集。     

不完备雷达信号信息系统的粒度-粗集处理法

在粒度和粒度计算的基础上,对不完备信息系统的属性重要度和相对于决策属性的重要度做了定义,并形成了基于粒度方法的不完备信息系统知识约简算法。通过对不完备雷达信息系统实例的分析处理,证明了这种方法的有效性和实用性,并为不完备系统的雷达信号处理提供了一个较好的处理工具。