Pētījums par ieguves lēmumu pieņemšanas noteikumiem detaļu ražošanas procesā

Datu ieguves jomā plaši izmantotās klasifikācijas metodes ietver atbalsta vektora mašīnas, neironu tīklus, Beijesa klasifikāciju utt. Iepriekš minētie algoritmi galvenokārt ir orientēti uz neregulāru datu izplatīšanu, paļaujoties uz lielo datu atbalstu un to potenciālo saistību izzināšanu, izmantojot līdzīgi pasākumi. To plaši izmanto tādās jomās kā kļūdu diagnostika. Taču mašīnbūves nozarē detaļu īpašību parametru (piemēram, izmēra, precizitātes u.c.) projektēšana ir kļuvusi standartizēta, un faktiskajā inženierijā katra daļa datubāzē atbilst tikai vienam procesa maršrutam. Līdz ar to procesa datu atkārtošanās ātrums ir salīdzinoši augsts, un datu apjoms ir mazs, kas nav piemērots iepriekšminētā algoritma apstrādei. Tāpēc pētnieki lielākoties izmanto aptuveno kopu teoriju, lai vadītu procesa lēmumu noteikumu ieguvi.

Pirms ieguves lēmumu pieņemšanas mums vispirms ir jānodrošina datu ticamība. Tas ir tāpēc, ka faktiskajā inženierijā darba apstākļi vienmēr mainās reāllaikā. Lai izvairītos no tā, ka neliels daudzums netipisku datu, ko rada īpaši darba apstākļi, neietekmē lēmumu pieņemšanu, dati ir iepriekš jāparedz. rokturis. Tāpēc literatūrā parasti tiek izmantota atbalsta un pārliecības aprēķināšanas metode, lai iegūtu tipiskus procesa datus.

Pamatojoties uz paplašināto aptuveno kopas modeli, procesa izvēles zināšanas tiek iegūtas, izmantojot saliktās līdzvērtības, līdzības un izvēles attiecības, kas pārbauda, ​​vai procesa preferences zināšanas var tieši vadīt dizainera lēmumu pieņemšanu, un aptuvenā kopu teorija neprasa. procesa noteikumu iespējamības novērtēšanas saite, kas ir labāka par citām. Ieguves metode ir vienkāršāka un tiešāka.

Aptuveno kopu teorijas ieguves rezultāti ietver deterministiskos noteikumus, kas iegūti no apakšējās aproksimācijas kopas un negatīvās zonas, kā arī robežzonas nenoteiktos noteikumus. Lai pilnīgāk izzinātu robežjoslas procesa noteikumus, Zhang Z. et al. precizitātes nokārtošanai izmantoja mainīgas precizitātes aptuveno kopu modeli. Pēc izmaiņām ieguves procesā augšējās aproksimācijas kopas diapazons ir efektīvi samazināts. Kvalitatīvas zināšanas tiek kartētas uz asociācijas attiecībām, lai izveidotu zināšanu saplūšanas modeli, kas var efektīvi iegūt vairāk lēmumu pieņemšanas noteikumu.

Aptuvenās kopas argumentācijas galvenais process ir iegūt minimālo atribūtu samazinājumu. Chen Hao et al. analizēja samazinājuma anomālijas, ko izraisa iekļaušanas intervāls un pozitīvais reģions. Mainīgas precizitātes aptuvenajam kopas modelim ar nemainīgu klasifikācijas ātrumu un nemainīgu pozitīvu domēnu, uz saturu balstīta atšķirību matrica un atribūtu kodols, lai iegūtu minimālo atribūtu samazināšanas metodi. Izmantojot heiristiskās samazināšanas algoritmu, vispirms iegūstiet galveno atribūtu un aprēķiniet atribūta atkarību. Atbilstoši atkarības augošajai secībai atribūts un kodola atribūts tiek apvienoti pēc kārtas, un visbeidzot tiek iegūts minimāls atribūta samazinājums, apsveriet
Paraugu sadalījuma neviendabīgums ir uzlabots, pamatojoties uz apkārtnes aptuveno kopu, un tiek piedāvāts K-tuvākā kaimiņa aptuvenās kopas modelis, kas efektīvi noņem lielu skaitu atribūtu. Lēmumu noteikumu ieguve galvenokārt ir sadalīta divos veidos, viens ir induktīvā ieguve, bet otrs ir atskaitīšana. Kalnrūpniecības metode. Induktīvās ieguves galvenā ideja ir apkopot jēgpilnus lēmumu pieņemšanas noteikumus sarežģītās datu kopās. Kad mērķis ir iegūts, saskaņojiet kārtulu kopas nosacījumu atribūtus atbilstoši mērķa atribūtu parametriem, lai iegūtu lēmumu pieņemšanas noteikumus, kas atbilst atbilstības prasībām. Deduktīvās ieguves galvenā ideja ir sadalīt lēmuma saturu vairāku lēmumu apakškopu kombinācijā un izmantot datu kopu, lai noteiktu lēmumu apakškopu piemērošanas jomu. Kad mērķis ir iegūts, atbilstoši mērķim
Mērķa atribūta parametrs izvelk atbilstošo lēmumu pieņemšanas apakškopu un reorganizē to vajadzīgajā lēmumu pieņemšanas saturā. Turpretim secinājumu ieguves lēmumu pieņemšanas noteikumi ir daudzveidīgāki un plašāka pielietojuma joma, un induktīvajai ieguvei ir stingrāki ierobežojumi, kas var nodrošināt noteikumu uzticamību.

Iepriekš minētajos dokumentos lielākā daļa apstrādes metožu ir induktīvā ieguve. Lai gan lēmumu pieņemšanas noteikumu uzticamība ir efektīvi garantēta, spēcīgais ierobežojums arī noved pie zemas datu izmantošanas un ierobežo lēmumu noteikumu bāzes pilnīgumu. Turklāt, lai gan mainīgas precizitātes aptuvenais komplekts var efektīvi samazināt robežzonu, precizitātes vērtību galvenokārt nosaka manuāla pieredze, un pārāk daudz cilvēku faktoru samazinās lēmuma likuma uzticamību. Līdz ar to, kā samazināt robežzonu un uzlabot noteikumu elastību, pamatojoties uz lēmumu pieņemšanas noteikumu uzticamības nodrošināšanu, ir galvenais ieguves procesa lēmumu pieņemšanas noteikumu izpētes virziens.

Saite uz šo rakstu ： Pētījums par ieguves lēmumu pieņemšanas noteikumiem detaļu ražošanas procesā

Paziņojuma atkārtota izdrukāšana: ja nav īpašu norādījumu, visi šīs vietnes raksti ir oriģināli. Lūdzu, norādiet atkārtotas drukāšanas avotu: https: //www.cncmachiningptj.com/，paldies！

PTJ CNC veikals ražo detaļas ar izcilām mehāniskām īpašībām, precizitāti un atkārtojamību no metāla un plastmasas. Pieejama 5 asu CNC frēzēšana.Augstas temperatūras sakausējuma apstrāde diapazons mākoņains Inconel apstrāde,monela apstrāde,Geek Askoloģijas apstrāde,Karpu 49 apstrdana,Hastelloy apstrāde,Nitronic-60 apstrāde,Hymu 80 apstrāde,Instrumentu tērauda apstrādeutt. Ideāli piemērots kosmosa lietojumiem.CNC apstrāde ražo detaļas ar izcilām mehāniskām īpašībām, precizitāti un atkārtojamību no metāla un plastmasas. Pieejama 3 un 5 asu CNC frēzēšana. Mēs stratēģēsimies ar jums, lai sniegtu visrentablākos pakalpojumus, lai palīdzētu sasniegt jūsu mērķi. Laipni lūdzam sazināties ar mums ( sales@pintejin.com ) tieši jūsu jaunajam projektam.