Die Forschung zu Bergbauentscheidungsregeln des Teileherstellungsprozesses

Im Bereich des Data Mining werden häufig verwendete Klassifikationsmethoden wie Support Vector Machines, neuronale Netze, Bayessche Klassifikation usw. verwendet ähnliche Maßnahmen. Es wird häufig in Bereichen wie der Fehlerdiagnose verwendet. In der Maschinenbauindustrie ist die Konstruktion von Merkmalsparametern von Teilen (wie Größe, Genauigkeit usw.) jedoch standardisiert, und in der tatsächlichen Konstruktion entspricht jedes Teil in der Datenbank nur einem Prozessweg. Daher ist die Wiederholungsrate der Prozessdaten relativ hoch und die Datenmenge ist klein, was für die oben erwähnte Algorithmusverarbeitung nicht geeignet ist. Daher verwenden Forscher meist die Grobmengentheorie, um das Mining von Prozessentscheidungsregeln zu leiten.

Bevor Entscheidungen zu Bergbauentscheidungen getroffen werden, müssen wir zunächst die Glaubwürdigkeit der Daten sicherstellen. Denn im realen Engineering ändern sich die Arbeitsbedingungen immer in Echtzeit. Um zu verhindern, dass eine kleine Menge atypischer Daten, die durch besondere Arbeitsbedingungen generiert werden, die Entscheidungsfindung beeinflusst, müssen Daten vorausgesagt werden. handhaben. Daher verwendet die Literatur im Allgemeinen die Methode der Berechnung von Unterstützung und Konfidenz, um typische Prozessdaten zu erhalten.

Basierend auf dem erweiterten groben Set-Modell wird das Prozesspräferenz-Wissen durch die zusammengesetzte Beziehung von Äquivalenz, Ähnlichkeit und Präferenz ermittelt, was bestätigt, dass das Prozesspräferenz-Wissen die Entscheidungsfindung des Designers direkt leiten kann und die grobe Set-Theorie dies nicht erfordert der Link zur Machbarkeitsbewertung von Prozessregeln, der besser ist als andere. Die Mining-Methode ist einfacher und direkter.

Die Mining-Ergebnisse der Grobmengentheorie beinhalten die deterministischen Regeln, die aus der unteren Näherungsmenge und der negativen Zone erhalten wurden, sowie die unsicheren Regeln der Grenzzone. Um die Prozessregeln der Grenzzone vollständiger zu ermitteln, haben Zhang Z. et al. verwendet ein grobes Set-Modell mit variabler Präzision, um die Genauigkeit zu erreichen. Nach den Änderungen im Bergbauprozess wird der Bereich des oberen Näherungssets effektiv reduziert. Das qualitative Wissen wird auf die Assoziationsbeziehung abgebildet, um ein Wissensfusionsmodell zu bilden, das effektiv mehr Entscheidungsregeln ermitteln kann.

Der Kernprozess des Grobsatzschlusses besteht darin, die minimale Attributreduktion zu erreichen. Chen Haoet al. analysierten die durch das Einschlussintervall und den positiven Bereich verursachten Reduktionsanomalien. Für das Grobsatzmodell mit variabler Genauigkeit mit konstanter Klassifikationsrate und konstantem positiven Bereich, der inhaltsbasierten Differenzmatrix und dem Attributkern, um die Methode der minimalen Attributreduktion zu erhalten. Rufen Sie mit dem heuristischen Reduktionsalgorithmus zuerst das Kernattribut ab und berechnen Sie die Attributabhängigkeit. Entsprechend der aufsteigenden Reihenfolge der Abhängigkeit werden das Attribut und das Kernel-Attribut der Reihe nach kombiniert und erhalten schließlich Minimale Attributreduktion, beachten Sie
Die Inhomogenität der Stichprobenverteilung wird auf der Grundlage des Nachbarschafts-Rough-Sets verbessert, und es wird das K-Nearest-Neighbor-Rough-Set-Modell vorgeschlagen, das eine große Anzahl von Attributen effektiv entfernt. Das Decision Rule Mining wird hauptsächlich in zwei Arten unterteilt, eine induktive Mining und die andere in Deduktion. Bergbau-Methode. Die Grundidee des induktiven Minings besteht darin, sinnvolle Entscheidungsregeln in komplexen Datensätzen zusammenzufassen. Wenn das Ziel erreicht ist, stimmen Sie die bedingten Attribute des Regelsatzes gemäß den Attributparametern des Ziels ab, um die Entscheidungsfindungsregeln zu extrahieren, die die Übereinstimmungsanforderungen erfüllen. Die Hauptidee des deduktiven Minings besteht darin, den Entscheidungsinhalt in eine Kombination mehrerer Entscheidungsuntermengen aufzuteilen und den Datensatz zu verwenden, um den Anwendungsbereich der Entscheidungsuntermengen zu ermitteln. Wenn das Ziel erreicht ist, entsprechend dem Ziel
Der Zielattributparameter extrahiert die geeignete Entscheidungsuntermenge und reorganisiert sie in den erforderlichen Entscheidungsfindungsinhalt. Im Gegensatz dazu sind die Entscheidungsregeln des inferenziellen Minings vielfältiger und haben einen breiteren Anwendungsbereich, und das induktive Mining unterliegt strengeren Einschränkungen, was die Zuverlässigkeit der Regeln sicherstellen kann.

In den oben genannten Dokumenten handelt es sich bei den meisten Verarbeitungsverfahren um induktives Mining. Obwohl die Zuverlässigkeit der Entscheidungsregeln effektiv gewährleistet ist, führt die starke Einschränkung auch zu einer geringen Datenauslastung und schränkt die Vollständigkeit der Entscheidungsregelbasis ein. Obwohl der grobe Satz mit variabler Genauigkeit den Grenzbereich effektiv reduzieren kann, wird der Genauigkeitswert hauptsächlich durch manuelle Erfahrung eingestellt, und zu viele menschliche Faktoren verringern die Zuverlässigkeit der Entscheidungsregel. Daher ist die Verringerung des Grenzbereichs und die Verbesserung der Flexibilität der Regeln auf der Grundlage der Gewährleistung der Zuverlässigkeit der Entscheidungsregeln die Hauptforschungsrichtung von Entscheidungsregeln für Bergbauprozesse.

Link zu diesem Artikel: Die Forschung zu Bergbauentscheidungsregeln des Teileherstellungsprozesses

Nachdruck-Erklärung: Sofern keine besonderen Hinweise vorliegen, sind alle Artikel auf dieser Seite Originale. Bitte geben Sie die Quelle für den Nachdruck an: https://www.cncmachiningptj.com/，thanks！

Die PTJ CNC-Werkstatt produziert Teile mit hervorragenden mechanischen Eigenschaften, Genauigkeit und Wiederholbarkeit aus Metall und Kunststoff. 5-Achs-CNC-Fräsen verfügbar.Bearbeitung von Hochtemperaturlegierungen Bereich inclouding Inconel-Bearbeitung,Monel Bearbeitung,Geek Ascology Bearbeitung,Karpfen 49 Bearbeitung,Hastelloy-Bearbeitung,Nitronic-60 Bearbeitung,Hymu 80 Bearbeitung,Werkzeugstahlbearbeitung,usw.,. Ideal für Luft- und Raumfahrtanwendungen.CNC-Bearbeitung produziert Teile mit hervorragenden mechanischen Eigenschaften, Genauigkeit und Wiederholgenauigkeit aus Metall und Kunststoff. 3-Achsen- und 5-Achsen-CNC-Fräsen verfügbar. Wir werden mit Ihnen Strategien entwickeln, um die kostengünstigsten Dienstleistungen zu erbringen, damit Sie Ihr Ziel erreichen. Willkommen bei Kontakt ( sales@pintejin.com ) direkt für Ihr neues Projekt.