[发明专利]一种基于改进粗集算法的细纱断纱因素定量分析方法

权利要求书

1.一种基于改进粗集算法的细纱断纱因素定量分析方法，其特征在于，其步骤如下：

S1、利用PLC数据采集器采集细纱断纱因素的学习样本数据Learn_OIT；

S2、将学习样本数据Learn_OIT转化为二进制信息表Learn_DOIT；

S3、根据二进制信息表Learn_DOIT的属性的属性值的数据类型，对二进制信息表Learn_DOIT进行离散化，得到离散数据集D_Learn_DOIT；

S4、针对每一组离散数据，利用改进的粗集约简算法消除该组离散数据的冗余属性，得到该组离散数据的约简，并计算约简中所有属性的权重，其中，约简信息表中包括K个属性；

S5、对约简中所有属性的权重进行排序，并将最大权重对应的属性作为该组的故障节点；

S6、判断是否遍历完离散数据集的所有离散数据，若是，执行步骤S7；否则，执行步骤S4；

S7、利用故障树分析法对所有故障节点构建贝叶斯网络；

S8、利用贝叶斯网络对下一次的故障数据进行判断，输出各个断纱因素的权重，并根据权重进行排序，获得细纱断纱的主要因素。

2.根据权利要求1所述的基于改进粗集算法的细纱断纱因素定量分析方法，其特征在于，所述步骤S1中学习样本数据Learn_OIT包括强力、条干、温度、湿度、捻度、锭速、纲领和钢丝圈。

3.根据权利要求1所述的基于改进粗集算法的细纱断纱因素定量分析方法，其特征在于，所述步骤S1中学习样本数据Learn_OIT是一个二元组，Learn_OIT＝(IT,{＞_a|a∈A_t})，其中，＞_a是值域V_a上的弱序关系，A_t为属性集，a为属性，IT＝(U,A_t,{V_a|a∈A_t},{I_a|a∈A_t})为标准信息表，U为非空论域，V_a为值域，I_a为非空论域U到值域V_a的映射函数。

4.根据权利要求1或3所述的基于改进粗集算法的细纱断纱因素定量分析方法，其特征在于，所述二进制信息表Learn_DOIT为：

Learn_DOIT＝(U×U⁺,A_t,{V_a|a∈A_t},{I_a|a∈A_t})，

其中，U×U⁺＝U×U-{(x,x)|x∈U}＝{(x,y)|x,y∈U；x≠y}，

5.根据权利要求4所述的基于改进粗集算法的细纱断纱因素定量分析方法，其特征在于，所述二进制信息表Learn_DOIT的属性的属性值的数据类型包括数值型和非数值型；

当二进制信息表Learn_DOIT的属性a_i的属性值为数值型时，属性值离散化为：其中，属性a_i∈A_t表示属性集A_t中的第i个属性，且i＝1,2,…，O_j为属性a_i中的第j个实体，且j＝1,2,…，为属性a_i对应的值域，为属性a_i中实体O_j的值；

当二进制信息表Learn_DOIT的属性a_i的属性值为非数值型时，属性值离散化为：其中，t为属性a_i值域中属性值的个数，R_ai为属性a_i值域的排序序列，为属性值在值域排序序列中所处的位置。