基于粗糙集知識建模的焊縫成形質量專家系統(tǒng)預測研究.pdf

1、焊接自動化是焊接技術發(fā)展的一個趨勢，由于焊接過程的高度復雜性，使得難以獲得焊接過程的精確數學模型，從而限制了傳統(tǒng)控制方法的應用。近年來，智能控制由于對復雜過程的適應性而得到重視，而在智能控制系統(tǒng)設計中，建模一般是必不可少且具有重要意義的。用模糊集方法、神經網絡方法以及兩者相結合的方法獲取焊接過程的知識模型成為科研人員關注的焦點，但這些方法都存在一些本身難以克服的缺點。基于粗糙集(RoughSet，RS)的建模方法作為一種較新的方法已在焊

2、接中得到應用，體現出較好的對焊接過程的適用性。結合焊縫成形質量預測專家系統(tǒng)建模的要求和特點，提出了基于RS知識獲取的建模方法。 該方法主要包含四個步驟：源數據的獲取、數據的預處理、模型約簡和知識推理。本文針對數據離散化算法和不確定推理策略進行了深入研究。 (1)數據離散化算法研究 當決策表(數據庫)中包含連續(xù)數據時，必須進行離散化處理。首先確立了焊接過程的離散化方法的評價標準。分析了等寬離散化方法、基于Kohon

3、en網絡(自組織特征映射)的離散化方法和基于屬性重要性的區(qū)間合并的離散化方法以及離散化時決策表不相容的處理辦法，同時還改進了基于Kohonen網絡的離散化方法，提高了離散化效率。結合它們的優(yōu)點，提出了二次離散化方法，即在等寬或者基于Kohonen網絡離散化方法的基礎上，再進行一次基于屬性重要性的區(qū)間合并的離散化。實驗證明，基于改進的Kohonen網絡二次離散化可以有效提高模型的預測精度，降低預測偏差。 (2)不確定推理策略研究

4、 合理的推理策略對于提高模型的預測能力具有重要作用。由于系統(tǒng)的復雜性和不確定性，在知識推理過程中須采用不確定推理。對已有的不確定性推理方法進行了討論，指出該方法缺陷在于將規(guī)則前件各條件屬性等同對待，抹殺了他們在規(guī)則中所表現出來的不同的重要性。為此，本文提出了基于屬性重要性的推理方法，試驗結果證明，該方法提高了知識庫中知識的使用效率，適合焊接專家系統(tǒng)預測的推理策略。 本文最后以低碳鋼CO2焊接為背景對基于RS知識建模方法進行