Forskningen om gruvedriftsregler for delproduksjonsprosesser

Når det gjelder data mining, inkluderer vanlige klassifiseringsmetoder støttevektormaskiner, nevrale nettverk, Bayesiansk klassifisering, etc. Ovennevnte algoritmer er hovedsakelig orientert mot uregelmessig datadistribusjon, avhengig av støtte til store data og gruvedrift av deres potensielle assosiasjonsforhold gjennom lignende tiltak. Det er mye brukt på felt som feildiagnose. I maskinindustrien har imidlertid utformingen av funksjonsparametere for deler (som størrelse, nøyaktighet, etc.) blitt standardisert, og i faktisk konstruksjon tilsvarer hver del i databasen bare en prosessrute. Derfor er repetisjonshastigheten for prosessdata relativt høy, og datamengden er liten, noe som ikke er egnet for den ovennevnte algoritmebehandlingen. Derfor bruker forskere stort sett grov settteori for å styre gruvedriften av prosessbeslutningsregler.

Før beslutninger om gruvedrift må vi først sikre troverdigheten til dataene. Dette er fordi i faktisk prosjektering, endrer arbeidsforholdene seg alltid i sanntid. For å unngå at en liten mengde atypiske data generert av spesielle arbeidsforhold påvirker beslutningsprosessen, må data forutses på forhånd. håndtak. Derfor bruker litteraturen vanligvis metoden for å beregne støtte og tillit for å få typiske prosessdata.

Basert på den utvidede grove settmodellen, blir prosesspreferanse kunnskap utvunnet av det sammensatte forholdet ekvivalens, likhet og preferanse, som bekrefter at prosesspreferanse kunnskap kan direkte lede designerens beslutningstaking, og grov sett teorien krever ikke prosessen regel gjennomførbarhet evaluering kobling, som er bedre enn andre. Gruvemetoden er enklere og mer direkte.

Gruveresultatene for gruveoppsettsteori inkluderer de deterministiske reglene hentet fra det nedre tilnærmingssettet og den negative sonen, samt de usikre reglene for grensesonen. For å fullstendig utvinne prosessreglene for grensesonen, Zhang Z. et al. brukte en variabel presisjon grov sett modell for å passere nøyaktigheten Etter endringene i gruveprosessen, blir rekkevidden til det øvre tilnærmingssettet effektivt redusert. Den kvalitative kunnskapen kartlegges i assosiasjonsforholdet for å danne en kunnskapsfusjonsmodell, som effektivt kan utvinne flere beslutningsregler.

Kjerneprosessen for grovt resonnement er å oppnå minimum attributtreduksjon. Chen Hao et al. analyserte reduksjonsanomaliene forårsaket av inkluderingsintervallet og den positive regionen. For variabel presisjon grov sett modell med konstant klassifiseringshastighet og konstant positivt domene, den innholdsbaserte differensmatrisen og attributtkjernen for å oppnå minimum attributtreduksjonsmetode. Ved hjelp av heuristisk reduksjonsalgoritme, får du først kjerneattributtet og beregner attributtavhengigheten. I henhold til den stigende rekkefølgen av avhengigheten, kombineres attributtet og kjerneattributtet etter tur, og får til slutt Minimal attributtreduksjon.
Inhomogeniteten til prøvefordelingen blir forbedret på grunnlag av nabolaget grovt sett, og K-nærmeste nabo grovsettmodell er foreslått, som effektivt fjerner et stort antall attributter. Beslutningsregel gruvedrift er hovedsakelig delt inn i to typer, den ene er induktiv gruvedrift og den andre er fradrag. Gruvedrift. Hovedideen med induktiv gruvedrift er å oppsummere meningsfulle beslutningsregler i komplekse datasett. Når målet er oppnådd, samsvarer du med betingelsesattributtene til regelsettet i henhold til målets attributtparametere, for å trekke ut beslutningsreglene som oppfyller kravene til samsvar. Hovedideen med deduktiv gruvedrift er å dele beslutningsinnholdet i en kombinasjon av flere beslutningsundergrupper, og bruke datasettet til å utvide anvendelsesområdet for beslutningsundergruppene. Når målet er oppnådd, i henhold til målet
Målattributtparameteren trekker ut det riktige beslutningsunderlaget, og omorganiserer det til det nødvendige beslutningsinnholdet. I kontrast er beslutningsreglene for inferential mining mer mangfoldige og har et bredere anvendelsesområde, og induktiv gruvedrift har strengere begrensninger, noe som kan sikre påliteligheten til reglene.

I de ovennevnte dokumentene er de fleste behandlingsmetodene induktiv gruvedrift. Selv om påliteligheten til beslutningsreglene effektivt er garantert, fører den sterke begrensningen også til lav bruk av data og begrenser fullstendigheten av beslutningsregelgrunnlaget. Selv om grovt sett med variabelt presisjon effektivt kan redusere grenseområdet, blir presisjonsverdien hovedsakelig satt av manuell erfaring, og for mange menneskelige faktorer vil redusere påliteligheten til beslutningsregelen. Derfor er det viktigste forskningsretningen for beslutningsprosesser for gruveprosesser hvordan man kan redusere grenseområdet og forbedre fleksibiliteten til reglene på grunnlag av å sikre påliteligheten til beslutningsreglene.

Link til denne artikkelen: Forskningen om gruvedriftsregler for delproduksjonsprosesser

Reprint Statement: Hvis det ikke er noen spesielle instruksjoner, er alle artiklene på dette nettstedet originale. Oppgi kilden for ny utskrift: https: //www.cncmachiningptj.com/，takk！

PTJ CNC-butikk produserer deler med utmerkede mekaniske egenskaper, nøyaktighet og repeterbarhet fra metall og plast. 5 akse CNC fresing tilgjengelig.Maskinering av høy temperatur legering rekkevidde inkl inkonel maskinering,monelbearbeiding,Geek Ascology maskinering,Karpe 49 maskinering,Hastelloy maskinering,Nitronic-60 maskinering,Hymu 80 maskinering,Verktøystålbearbeiding,etc.,. Ideell for luftfartsapplikasjoner.CNC-bearbeiding produserer deler med utmerkede mekaniske egenskaper, nøyaktighet og repeterbarhet fra metall og plast. 3-akset og 5-akset CNC-fresing tilgjengelig. Vi vil strategisere med deg for å tilby de mest kostnadseffektive tjenestene for å hjelpe deg med å nå målet ditt. Velkommen til Kontakt oss ( sales@pintejin.com ) direkte for ditt nye prosjekt.