基于变精度粗糙集理论的焊接动态过程知识建模方法研究

《基于变精度粗糙集理论的焊接动态过程知识建模方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于变精度粗糙集理论的焊接动态过程知识建模方法研究摘要近年来，智能控制由于对复杂过程的适应性而在焊接自动化领域受到重视。在智能控制系统设计中，有效的智能建模一般具有重要意义。用模糊方法、神经网络方法以及两者相结合的方法获取焊接过程的知识模型成为科研人员关注的焦点，但这些方法都存在一些本身难以克服的缺点。基于粗糙集(RoughSet，RS)的建模方法作为一种较新的方法己在焊接中得到应用，体现出较好的对焊接过程的适用性。但其应用水平还只是停留在经典RS集的程度上。为克服经典RS模型的一些不足，本文引入了变精度粗糙集理论(VariablePrecisionRoughSet，VPRS)，

2、提出了一种基于VPRS的知识建模方法。该方法考虑焊接过程和VPRS理论本身的特点，主要包含四个步骤：源数据的获取、数据的预处理、VPRS模型约简和知识推理。(1)源数据的获取这是VPRS建模方法的前提和基础。本文采用实验设计法来获取焊接过程的数据。以脉冲钨极氩弧焊(GasTungstenArcWelding，GTAW)的焊接熔池背面宽度预测模型为背景，对低碳钢获取了四种数据表，对铝合金获取了两种数据表。对于数据获取实验中信号的选取准则本文亦摘要进行了一些讨论。(2)数据预处理数据预处理对于VPRS建模方法来说是必须的，且其效果的好坏会在很大程度上影响最终VPRS模型的效果。经过数

3、据预处理可获得VPRS能处理的名叫决策表的数据表。本文针对RS集和焊接过程的特点，提出了如下数据预处理步骤：1)模型扩展：这是为了获得系统的动态模型而采用的一个步骤，文中给出了其形式化的定义。2)噪声去除：为了获得高质量的模型，需要对噪声进行去除或降低。本文主要采用数据平滑来减小噪声。对于焊接过程中数据，考虑到焊接过程的热惯性以及焊接过程存在的不确定因素，以焊接熔池的正面面积作为噪声处理的依据。3)相关性分析：这是为了去除模型中与预测变量无关或者相关性较小的属性列，从而减少后续步骤地计算量，提高效果，同时为模型中的属性选取提供定性的分析。本文在相关性分析中采用了相关系数和信息增益

4、，并对比了两种度量的原理和效果。4)连续数据的离散化：当决策表(数据表)中包含连续数据时，必须进行离散化处理。本文对离散化进行了深入的分析。首先确立了焊接过程的离散化方法的评价标准。其次区分了条件属性的离散化和决策属性的离散化。对于决策属性约简，实验证明其作用很大但以往研究未足摘要够重视。对条件属性约简，实验表明基于熵的离散化方法表现较好。最后，针对基于熵的离散化算法的不足以及焊接过程的特点，提出了一种改进的离散化算法，取得了满意的效果。(3)VPRS模型约简模型约筒是VPRS建模方法的核心，它是在保持原有模型分类能力的基础上去除其中的冗余项。模型约简可分为属性约简、属性值约简和

5、规则约简。因为属性值约简和规则约简可在属性约简的基础上构造，故本文主要对属性约简做了算法研究。本文首先考虑焊接这样复杂过程的特点，提出了以往追求最短约简结果(认为最优秀)对于复杂过程的不适应性，指出约简的稳定性比精简性更加适合复杂过程的需要。基于该思想，本文引入了动态约简的概念，并在基于近似约简算法的基础上提出了一种新的属性约简算法。此外，亦实现了基于区分矩阵的属性约简算法。考虑焊接实际应用的特点，对属性重要性的计算公式进行了扩充。此外，对于VPRS属性值约简算法和规则约简算法，本文亦实现了基于区分矩阵和基于约简定义的相应算法。经过VPRS模型约简，可获得“IFTHEN”形式的规

6、则库模型。(4)模型推理模型约简使用获得的VPRS模型对未知样本进行预测，合理的推理策略对于提高模型的预测能力具有重要作用。由于系统的复杂性和不确摘爱定性，在知识推理过程中须考虑不一致推理策略。本文使用低碳钢的多随机变量模型对比不同推理策略下模型的预测结果，得到了适合焊接过程的推理策略，同时，结合焊接过程的特点提出了根据规则长度来确定规则优先级的少数优先推理策略。本文最后以低碳钢和铝合金的数据为背景对VPRS建模方法进行了验证，结果表明，该VPRS建模方法能够满足焊接实际应用的需要。进一步的，对比了低碳钢和铝合金的VPRS建模方法和经典RS建模方法，结果表明VPRS模型具有更好的

7、稳定性，即抗噪声性。此外，本文还对比了VPRS模型和BP神经网络模型后，结果表明前者的预测精度只略低于后者，但模型的可理解性和维护性则远远高于后者。同时，为了促进焊接领域的粗糙集的应用和已有成果的总结，本文构建了基于VPRS的粗糙集建模方法软件，该软件具有很多实用的功能以及良好的扩展性，并已申请了软件著作权。关键词：变精度粗糙集，焊接过程，建模，知识模型，氩弧焊摘蔓RESEARCHONVARIABLEPRECISIONROUGHSETBASEDKNOWLEDGEMODELINGM