Forródrót: +86 0769 82886112 Blog FAQ videó

A kutatás a részgyártási folyamat bányászati döntési szabályairól

2021-08-14

A kutatás a részgyártási folyamat bányászati döntési szabályairól

A folyamatdöntési szabályok bányászati technológiájának célja, hogy a folyamat jellemzői alapján bányássza az alkatrész jellemző paraméterei, a feldolgozási módszerek és a gyártási erőforrások közötti kapcsolatot, és döntési szabályok formájában tárolja azokat a megfelelő adatbázisban. A folyamattervezés során az alkatrészjellemzők szerint illessze össze a megfelelő feldolgozási módszereket és gyártási erőforrásokat, és küldje el őket a mesteremberhez referencia céljából.

A kutatás a részgyártási folyamat bányászati döntési szabályairól. -PTJ CNC megmunkálás Webshop

Az adatbányászat területén az általánosan használt osztályozási módszerek közé tartoznak a támogató vektorgépek, a neurális hálózatok, a Bayes -féle osztályozás stb. hasonló intézkedések. Széles körben használják olyan területeken, mint a hibadiagnosztika. A gépgyártó iparban azonban szabványossá vált az alkatrészek jellemző paramétereinek tervezése (például méret, pontosság stb.), És a tényleges tervezés során az adatbázis minden része csak egy folyamat útvonalának felel meg. Ezért a folyamatadatok ismétlési aránya viszonylag magas, és az adatmennyiség kicsi, ami nem alkalmas a fent említett algoritmusfeldolgozásra. Ezért a kutatók többnyire durva halmazelméletet használnak a folyamatdöntési szabályok bányászatának irányításához.

A bányászati döntési szabályok előtt először meg kell győződnünk az adatok hitelességéről. Ez azért van, mert a tényleges mérnöki munkakörülmények mindig valós időben változnak. Annak érdekében, hogy a különleges munkakörülmények által generált kis mennyiségű atipikus adat ne befolyásolja a döntéshozatalt, az adatokat előre meg kell előre jelezni. fogantyú. Ezért a szakirodalom általában a támogatás és a bizalom kiszámításának módszerét használja a tipikus folyamatadatok megszerzésére.

A kiterjesztett durva halmazmodell alapján a folyamatpreferencia-tudást az ekvivalencia, a hasonlóság és a preferencia összetett összefüggései bányásszák, amely igazolja, hogy a folyamatpreferencia-tudás közvetlenül irányíthatja a tervező döntését, és a durva halmazelmélet nem követeli meg a folyamatszabály megvalósíthatósági értékelési linkje, amely jobb, mint mások. A bányászati módszer egyszerűbb és közvetlenebb.

A durva halmazelmélet bányászati eredményei magukban foglalják az alsó közelítő halmazból és a negatív zónából kapott determinisztikus szabályokat, valamint a határzóna bizonytalan szabályait. A határzóna folyamatszabályainak teljesebb kitermelése érdekében Zhang Z. et al. változó pontosságú durva halmazmodellt használt a pontosság átadására A bányászati folyamat változásait követően a felső közelítő halmaz hatótávolsága hatékonyan csökken. A minőségi tudás az asszociációs kapcsolathoz van hozzárendelve, hogy egy tudásfúziós modellt alkosson, amely hatékonyan bányászhat több döntési szabályt.

A durva halmazgondolás lényege az, hogy elérjük a minimális tulajdonságcsökkentést. Chen Hao és mtsai. elemezte a befogadási intervallum és a pozitív régió okozta redukciós anomáliákat. A változó pontosságú durva halmazmodell esetében, állandó osztályozási rátával és állandó pozitív tartománygal, a tartalom-alapú Differencia mátrix és az attribútummag a minimális attribútumcsökkentési módszer eléréséhez. A heurisztikus redukciós algoritmus használatával először szerezze be a core attribútumot, és számítsa ki az attribútumfüggőséget. A függőség növekvő sorrendje szerint az attribútum és a kernel attribútum egymás után kombinálódik, és végül Minimális attribútumcsökkentést kap.
A mintaeloszlás inhomogenitása a szomszédság durva halmaza alapján javul, és a K-legközelebbi szomszéd durva halmaz modelljét javasoljuk, amely hatékonyan eltávolítja a nagyszámú attribútumot. A döntési szabály bányászata két fő típusra oszlik, az egyik az induktív bányászat, a másik a dedukció. Bányászati módszer. Az induktív bányászat fő gondolata az, hogy összefoglalja az értelmes döntéshozatali szabályokat komplex adathalmazokban. Amikor megkapja a célt, illessze össze a szabálykészlet feltételes attribútumait a cél attribútumparaméterei szerint, hogy kivonja a megfelelő döntéshozatali szabályokat. A deduktív bányászat alapgondolata az, hogy a döntési tartalmat több döntési részhalmaz kombinációjára bontja, és az adathalmaz segítségével kitermeli a döntési részhalmazok alkalmazási körét. A cél elérésekor a célnak megfelelően
A target attribútum paraméter kibontja a megfelelő döntéshozatali részhalmazt, és átszervezi azt a szükséges döntéshozatali tartalomba. Ezzel szemben a következtető bányászat döntési szabályai változatosabbak és szélesebb alkalmazási körrel rendelkeznek, az induktív bányászatnak pedig szigorúbb korlátai vannak, amelyek biztosíthatják a szabályok megbízhatóságát.

A fent említett dokumentumokban a legtöbb feldolgozási módszer az induktív bányászat. Bár a döntési szabályok megbízhatósága ténylegesen garantált, az erős korlátozás az adatok alacsony kihasználtságához is vezet, és korlátozza a döntési szabályalap teljességét. Sőt, bár a változó pontosságú durva halmaz hatékonyan csökkentheti a határvonalat, a pontossági értéket elsősorban a kézi tapasztalat határozza meg, és túl sok emberi tényező csökkenti a döntési szabály megbízhatóságát. Ezért a bányászati folyamat döntéshozatali szabályainak fő kutatási iránya, hogyan lehet csökkenteni a határvonalat és javítani a szabályok rugalmasságát a döntéshozatali szabályok megbízhatóságának biztosítása alapján.

Link a cikkhez ： A kutatás a részgyártási folyamat bányászati döntési szabályairól

Nyilatkozat újranyomtatása: Ha nincsenek speciális utasítások, akkor az oldalon található összes cikk eredeti. Kérjük, adja meg az újranyomtatás forrását: https: //www.cncmachiningptj.com/，thanks！