電器智能設(shè)計及可靠性度量中的不確定性信息處理方法研究.pdf_第1頁
已閱讀1頁,還剩118頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著工業(yè)自動化逐漸步入知識密集型階段,智能設(shè)計已成為現(xiàn)代設(shè)計技術(shù)必然的發(fā)展方向之一,作為智能設(shè)計技術(shù)的核心,知識處理自動化水平的提高日趨迫切;電器產(chǎn)品是各種自動控制設(shè)備中重要的基礎(chǔ)元件,其可靠性是設(shè)備正常運行的保障,對其可靠性進行分析和度量是十分必要的。本文的研究工作,即針對這兩方面而展開。 在產(chǎn)品設(shè)計領(lǐng)域知識和可靠性數(shù)據(jù)中,存在著諸多形式的不確定性,其中主要體現(xiàn)為模糊性。對此,本文基于粗糙集理論、模糊理論、證據(jù)理論、神經(jīng)網(wǎng)絡(luò)等

2、人工智能和計算智能方法,以電器為研究對象,討論了產(chǎn)品設(shè)計和可靠性度量中的不確定性信息處理方法,以及實現(xiàn)智能化設(shè)計的知識自動處理方法,包括知識的建模、獲取和推理。 主要研究內(nèi)容和創(chuàng)新點包括: (1) 基于粗糙集理論知識約簡的方法,提出了產(chǎn)品屬性層次劃分的方法,從而確定產(chǎn)品的不同屬性對產(chǎn)品特征的不同描述粒度;基于粗糙集理論中的支持度的概念,提出了產(chǎn)品屬性權(quán)重分配的方法;同時,采用模糊聚類分析的方法,為每個產(chǎn)品子類建立了一個用

3、于描述其典型特征的標(biāo)準(zhǔn)模型。上述工作的開展,為在概念設(shè)計階段合理選擇產(chǎn)品類型奠定了基礎(chǔ)。 (2) 基于模糊理論和證據(jù)理論,提出了一種廣義貼近度算法。該算法不僅可以統(tǒng)一處理普通實數(shù)、模糊數(shù)、實數(shù)域上的區(qū)間值,而且使計算結(jié)果更加吻合客觀事實。該算法在設(shè)計規(guī)則的模糊匹配、實例的模糊匹配、標(biāo)準(zhǔn)模型的近似匹配等工作中獲得應(yīng)用。 (3) 把一組標(biāo)準(zhǔn)模型視為一組典型模式,把設(shè)計問題視為待識別模式,基于模糊模式識別原理求解產(chǎn)品選型問題。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論