[发明专利]一种车铣复合机床故障诊断知识库的知识获取方法

权利要求书

1.一种车铣复合机床故障诊断知识库的知识获取方法，其步骤如下：

步骤一、经远程监测设备获取车铣复合机床历史故障信息和机床实时在线监 测信息；

步骤二、对历史故障信息和实时在线监测信息依次进行信号处理、故障特征 信息选取和数据离散化处理后，以故障特征属性为条件属性，以故障模式为决策 属性，构建故障诊断的知识决策表；

步骤三、基于所构建的知识决策表，进行基于粒度计算的故障特征属性的约 简和属性值约简，属性约简步骤如下：

(1)取当前各子树叶子，分别进行叶到树根序列的所有父级信息粒的关联运 算，获得粒度更小的信息粒；

(2)求获得的粒度更小的信息粒和各决策信息粒的置信度，如果置信度为1 时，则由该粒度更小的信息粒表示的属性粒集合推导出相应的规则保留；

(3)如粒度更小的信息粒和各决策信息粒的置信度都小于1时，则条件信息 粒相关的叶子留下作为各子树根节点待用；

(4)如所有叶子表示的属性组合都求出决策规则为1，该规则保留，结束；

(5)在各子树根节点各信息粒决定的对象集合U的子集U’中计算余下的条 件信息粒的条件属性的权重η；

(6)将权重η最大的条件属性的几个条件信息粒作树叶节点，其余的条件属 性留下待用；

(7)将所述步骤(5)中获得的条件信息粒，分别和其到树根序列的所有父 级信息粒作关联运算，获得新的条件信息粒的关联度；如果关联度小于阈值1，则 此树枝删除；否则获得一组新的条件信息粒，作为代表各子树根节点的信息粒进 入所述步骤(3)；

步骤四、采用规则的置信度和覆盖度作为评价指标对约简后的决策规则进行 度量和评价；

其中，所述步骤三的步骤(5)中，所述权重η为条件属性相对于决策属性的 权重：

其中，θ_ij为决策规则与决策属性的符合度；ρ_ij为符合度θ_ij的粒度和。

2.如权利要求1所述的一种车铣复合机床故障诊断知识库的知识获取方法， 其特征在于：各所述条件属性相对于所述决策属性的所述权重η的计算方法如下：

①设定条件属性和决策属性的值域，并分别将对象集合U划分成m个和n个 互不相交的等价类，即信息粒；

②根据信息粒，得到条件属性和决策属性的基本集，分别用二进制信息粒矩 阵的形式表示条件属性和决策属性；

③根据二进制信息粒矩阵，利用粗糙集中的等价关系来构建粒子，则各种信 息粒中的二进制数中1的个数，即为各种信息粒的粒度；

④根据对象集合U、条件属性以及故障诊断信息系统S中K个二进制信息粒 的关联运算结果生成的信息粒的粒度，分别得到决策规则的支持度α＝|CΛD|/|U|， 决策规则的置信度为γ＝|CΛD|/|C|，当支持度α和置信度γ为1时，该规则保留； 其中，C表示条件属性，D表示决策属性；

⑤根据决策规则的支持度和置信度，以及故障诊断信息系统S、条件属性的集 合和决策属性的集合的基本集，得到故障诊断信息系统S的关联粒度矩阵为：

Sm×n=Ci1Ci2...Cim⊗D1D2...DnT=|Ci1ΛD1||Ci1ΛD2|...|Ci1ΛDn||Ci2ΛD1||Ci2ΛD2|...|Ci2ΛDn|............|CimΛD1||CimΛD2|...|CimΛDn|;]]>

⑥根据关联粒度矩阵，得到决策规则的符合度θ_ij为：

θij=1or0minm≠lΛm,l∈{1,2,...n}{|CijΛDm|/|CijΛDl|},]]>

符合度θ_ij的粒度和ρ_ij为：ρ_ij＝|C_ijΛD_m|+|C_ijΛD_l|；

⑦计算出各条件属性相对于决策属性的权重η：