摘要：不同于由专家通过理论推导或经验得到设计规则的传统方法,提出了数据驱动的螺旋桨设计规则提取方法。使用粗糙集理论对螺旋桨优化设计过程中产生的大量方案数据进行分析,发展了适当的属性表示方法和属性离散方法。结果表明:在对两类不同参数螺旋桨型号的研究中,均提取出了“当各剖面诱导速度的差异越小时,螺旋桨效率越高”的设计规则,这一规则与Betz条件相当,验证了方法的有效性。基于数据驱动的螺旋桨设计规则提取方法可为后续三维设计规则的发现和优化设计研究提供技术支持,该思想也可供其他设计领域参考。

摘要：水库调度规则作为指导水库调度运行的重要工具,不仅是水库规划设计时期的决策参考要素,且是运行管理期影响水库综合效益发挥的关键技术之一。为此,以长江上游水库群历史调度运行数据为基础,结合水库调度原理及运行特征,挑选时段数、前期水位、入库、出库及当前时段入库作为影响因子组建输入因子集,综合考虑运行期数据特征及决策树原理确定时段末水位作为模型输出,同时提出相应基于水库调节库容的水位评价指标,并采用相关系数和互信息作为模型输入因子相关性评定指标,引入树形Parzen评估器对输入因子个数和算法超参数进行优化,在此基础上,建立了基于决策树及其集成模型的水库调度规则提取模型,形成了融合历史调度过程和专家经验的水库调度规则。试验结果表明,决策树及其集成模型在水库调度规则提取应用时具有较强的能力和适用性。

摘要：为解决混合动力系统传统动态规划(Dynamic Programming,DP)策略成本函数值受罚函数影响较大、平衡电量调试时间较长的问题,针对某款双行星排混合动力客车提出了变惩罚系数DP(Variable Penalty Coefficient DP,DP-VAR)策略和边界迭代DP(Boundary Iterative DP,DP-ITE)策略。同时,还提出了基于XGBoost算法的动态规划策略模式切换规则提取方法,并对自适应等效燃油消耗最小策略(Adaptive Equivalent Fuel Consumption Minimization Strategy,A-ECMS)进行了改进,建立了具有模式切换规则的A-ECMS策略。基于C-WTVC工况的仿真结果表明:(1)相比于DP策略,DPVAR和DP-ITE策略的控制规则更为明确且百公里油耗分别降低了1.18%和4.31%;(2)DP-ITE策略在取消罚函数的前提下具有终止SOC绝对收敛性;(3)优化后的A-ECMS策略较优化前的百公里油耗降低了1.17%。

摘要：提出一种基于属性分辨度的不完备决策表规则提取算法,它是一种例化方向的方法.首先从空集开始,逐步选择当前最重要的条件属性对对象集分类,从广义决策值唯一的相容块提取确定规则,从其他的相容块提取不确定规则;然后设计属性必要性判断步骤去除每条规则的冗余属性;最后通过规则约简过程来简化所获得的规则,增强规则的泛化能力.实验结果表明,所提出的算法效率更高,并且所获得的规则简洁有效.

摘要：软件测试过程中,缩小测试用例集的规模,通常需要根据经验进行分析,找出输入输出间的非映射关系,这往往要耗费过多的测试资源。而人工神经网络在此问题的处理上有其特有的优势。因此文章提出了一种改进的规则提取方法,用于生成测试用例。通过构建神经网络模型,建立输入/输出之间的非线性映射关系,接着根据连接的权值,裁剪网络,去除与特定输出无关的输入属性。然后,在规则提取阶段仅保留两个与该输出最为相关的输入,并由此提取出IF-THEN规则,生成测试用例。文章完成了改进后规则提取算法各阶段的自动化,显著降低了在测试用例设计环节上的开销。最后,通过程序验证了该方法的有效性。

摘要：获取易于理解的航空发动机转静碰摩故障诊断知识规则对于深刻认识碰摩故障机理、有效诊断碰摩故障具有重要意义。鉴于此,研究了一种新的基于功能性观点的神经网络(NN)规则提取方法,介绍了连续属性离散、训练样本产生、神经网络训练、示例样本产生及规则提取等关键算法,并用Iris数据对方法进行了验证。最后,通过航空发动机转子实验器获取碰摩故障样本,利用神经网络规则提取方法从故障样本中提取了碰摩故障诊断知识规则,并对其进行了验证分析,验证结果充分表明了该方法的正确有效性。

摘要：针对信息表中的规则提取问题,应用粗糙集理论对其中的属性约简、属性值问题进行了研究,提出了一种基于可辨识向量的规则提取方法。根据粗糙集中的不可分辨关系建立了可辨识向量,利用可辨识向量的加法法则运算只需要对信息表扫描一次,就可以得到信息表的核属性集以及信息表的一个属性约简。在此基础上,利用条件属性与决策属性之间的对应关系,对信息表中的每条规则通过删除冗余属性值完成信息表的属性值约简,最终实现规则提取。数值实例和试验表明本算法是有效可行的。

摘要：针对航空装备诊断知识获取困难的问题,研究了不完备信息条件下基于概念格的诊断规则提取方法。首先,用不完备诊断形式背景将残缺的故障数据表示成三值表格,借助近似概念格分析故障数据,设计了基于对象的增量式近似概念格构造算法,利用Hasse图直观揭示诊断结果与测试参数之间的依赖关系;然后,引入广义可辨识矩阵对不完备诊断形式背景进行属性约简,通过布尔运算将广义决策辨识函数变换为极小析取范式,得到约简的测试参数集,进而构造约简的近似概念格并生成最优近似诊断规则集,用于对新的测试样本进行故障诊断;最后,将该方法用于某型航空雷达的故障诊断,诊断准确率达到77.7%,验证了该方法从不完备故障数据中提取诊断知识的有效性。

摘要：规则提取是实现智能信息系统的重要环节,也是一个难点。针对信息系统中的规则提取问题,提出了一种基于粗糙集的研究方法,并对规则提取涉及到的属性约简、属性值约简等问题进行了研究。根据粗糙集中的不可分辨关系建立了可辨识向量,以利用可辨识向量的加法法则运算求得核属性以及属性重要性,然后以核属性为基础、属性重要性为启发信息,求得信息表的一个属性约简。在此基础上,利用条件属性与决策属性之间的对应关系,对信息表中的每条规则通过删除冗余属性值来完成信息表的属性值约简,最终实现规则提取。数值实例和试验表明本算法是有效、可行的。

摘要：提出了尺度云变换的新方法。该方法采用"半正态云"作为基本云,并引入位移因子,使基于数据的规则提取算法中的数据划分能充分反映数据的实际分布,减少提取的规则数量,提高规则的推理精度;通过引入数据关键点及最佳分割点以保证规则库的完备性。还首次提出T-S型云控制器的概念,并将尺度云变换方法应用到T-S型云控制器的设计中。仿真结果表明,该方法简单有效,由该方法提取的规则构建的T-S型云控制器能较好地复现原数据分布,误差能控制在给定范围内。