Parça İmalat Sürecinin Madencilik Karar Kuralları Üzerine Araştırma

Veri madenciliği alanında yaygın olarak kullanılan sınıflandırma yöntemleri arasında destek vektör makineleri, sinir ağları, Bayes sınıflandırması vb. yer alır. Yukarıdaki algoritmalar esas olarak düzensiz veri dağıtımına yöneliktir, büyük verinin desteğine dayanır ve potansiyel ilişkilendirme ilişkilerini aşağıdakiler aracılığıyla araştırır. benzer önlemler. Arıza teşhisi gibi alanlarda yaygın olarak kullanılmaktadır. Ancak makine imalat endüstrisinde parçaların özellik parametrelerinin tasarımı (boyut, doğruluk vb.) standart hale gelmiştir ve gerçek mühendislikte veri tabanındaki her parça sadece bir proses rotasına karşılık gelmektedir. Bu nedenle, işlem verilerinin tekrarlama oranı nispeten yüksektir ve veri miktarı küçüktür, bu da yukarıda bahsedilen algoritma işleme için uygun değildir. Bu nedenle, araştırmacılar süreç karar kurallarının madenciliğine rehberlik etmek için çoğunlukla kaba küme teorisini kullanırlar.

Madencilik karar kurallarından önce, öncelikle verilerin güvenilirliğini sağlamalıyız. Bunun nedeni, gerçek mühendislikte çalışma koşullarının her zaman gerçek zamanlı olarak değişmesidir. Özel çalışma koşullarının oluşturduğu az miktarda atipik verinin karar vermeyi etkilemesini önlemek için, verilerin önceden tahmin edilmesi gerekir. halletmek. Bu nedenle literatür, tipik proses verilerini elde etmek için genellikle destek ve güven hesaplama yöntemini kullanır.

Genişletilmiş kaba küme modeline dayalı olarak, süreç tercihi bilgisi, eşdeğerlik, benzerlik ve tercihin bileşik ilişkisi tarafından çıkarılır; bu, süreç tercihi bilgisinin tasarımcının karar verme sürecine doğrudan rehberlik edebileceğini doğrular ve kaba küme teorisi bunu gerektirmez. diğerlerinden daha iyi olan süreç kuralı fizibilite değerlendirme bağlantısı. Madencilik yöntemi daha basit ve daha doğrudan.

Kaba küme teorisi madenciliği sonuçları, alt yaklaşım kümesinden ve negatif bölgeden elde edilen deterministik kuralların yanı sıra sınır bölgesinin belirsiz kurallarını içerir. Sınır bölgesinin işlem kurallarını daha tam olarak çıkarmak için, Zhang Z. et al. Doğruluğu geçmek için değişken hassasiyetli bir kaba küme modeli kullandı Madencilik sürecindeki değişiklikleri takiben, üst yaklaşım kümesinin aralığı etkin bir şekilde azaltıldı. Nitel bilgi, etkili bir şekilde daha fazla karar kuralı çıkarabilen bir bilgi birleştirme modeli oluşturmak için ilişkilendirme ilişkisiyle eşleştirilir.

Kaba küme akıl yürütmenin temel süreci, minimum öznitelik indirgemesini elde etmektir. Chen Hao et al. dahil etme aralığı ve pozitif bölgenin neden olduğu azalma anomalilerini analiz etti. Sabit sınıflandırma oranı ve sabit pozitif etki alanına sahip değişken kesinlikli kaba küme modeli için, minimum öznitelik indirgeme yöntemini elde etmek için içerik tabanlı Fark matrisi ve öznitelik çekirdeği. Sezgisel indirgeme algoritmasını kullanarak, önce çekirdek özniteliği elde edin ve öznitelik bağımlılığını hesaplayın. Bağımlılığın artan sırasına göre, öznitelik ve çekirdek özniteliği sırayla birleştirilir ve sonunda Minimum öznitelik indirgemesi elde edilir, düşünün
Numune dağılımının homojen olmaması, komşu kaba küme temelinde iyileştirilir ve çok sayıda özniteliği etkin bir şekilde ortadan kaldıran K-en yakın komşu kaba küme modeli önerilir. Karar kuralı madenciliği temel olarak iki türe ayrılır, biri tümevarımsal madencilik ve diğeri tümdengelimdir. Madencilik yöntemi. Endüktif madenciliğin ana fikri, karmaşık veri kümelerinde anlamlı karar verme kurallarını özetlemektir. Hedef elde edildiğinde, eşleştirme gereksinimlerini karşılayan karar verme kurallarını çıkarmak için hedefin nitelik parametrelerine göre kural kümesinin koşullu niteliklerini eşleştirin. Tümdengelimli madenciliğin ana fikri, karar içeriğini birkaç karar alt kümesinin bir kombinasyonuna bölmek ve karar alt kümelerinin uygulama kapsamını çıkarmak için veri kümesini kullanmaktır. Hedef elde edildiğinde, hedefe göre
Hedef öznitelik parametresi, uygun karar verme alt kümesini çıkarır ve onu gerekli karar verme içeriğine göre yeniden düzenler. Buna karşılık, çıkarımsal madenciliğin karar kuralları daha çeşitlidir ve daha geniş bir uygulama kapsamına sahiptir ve tümevarımsal madenciliğin kuralların güvenilirliğini sağlayabilecek daha katı kısıtlamaları vardır.

Yukarıda belirtilen belgelerde, işleme yöntemlerinin çoğu endüktif madenciliktir. Karar kurallarının güvenilirliği etkin bir şekilde garanti edilse de, güçlü kısıtlama aynı zamanda verilerin düşük kullanımına yol açar ve karar kuralı tabanının eksiksizliğini sınırlar. Ayrıca, değişken kesinlikli kaba küme sınır alanını etkili bir şekilde azaltabilse de, kesinlik değeri esas olarak manuel deneyim ile belirlenir ve çok fazla insan faktörü karar kuralının güvenilirliğini azaltacaktır. Bu nedenle, karar verme kurallarının güvenilirliğinin sağlanması temelinde sınır alanının nasıl azaltılacağı ve kuralların esnekliğinin nasıl artırılacağı, madencilik süreci karar verme kurallarının ana araştırma yönüdür.

Bu makaleye bağlantı: Parça İmalat Sürecinin Madencilik Karar Kuralları Üzerine Araştırma

Yeniden Baskı Bildirimi: Özel bir talimat yoksa, bu sitedeki tüm makaleler orijinaldir. Lütfen yeniden basılacak kaynağı belirtin:https://www.cncmachingptj.com/,teşekkürler！

PTJ CNC atölyesi, metal ve plastikten mükemmel mekanik özelliklere, hassasiyete ve tekrarlanabilirliğe sahip parçalar üretir. 5 eksenli CNC freze mevcuttur.Yüksek sıcaklıkta alaşımın işlenmesi aralık dahil inconel işleme,monel işleme,Geek Ascology işleme,Sazan 49 işleme,Hastelloy işleme,Nitronic-60 işleme,Hymu 80 işleme,Takım Çeliği işleme,vb.,. Havacılık uygulamaları için idealdir.CNC'de işleme metal ve plastikten mükemmel mekanik özelliklere, hassasiyete ve tekrarlanabilirliğe sahip parçalar üretir. 3 eksenli ve 5 eksenli CNC freze mevcuttur. Hedefinize ulaşmanıza yardımcı olacak en uygun maliyetli hizmetleri sunmak için sizinle birlikte strateji oluşturacağız, Bize Hoş Geldiniz ( satış@pintejin.com ) doğrudan yeni projeniz için.