基于远场涡流法对管道缺陷进行检测,根据粗糙集理论中的约简算法、规则提取算法及分类可信度分析等对数据挖掘技术在管道缺陷检测中的应用进行了研究,内容涉及管道缺陷的检测、远场涡流法的原理、数据挖掘和粗糙集中的数据简约及算法等.实验表明,该方法具有良好的缺陷可识别性.

针对异味溯源研究中异味来源广泛、异味强度数据模糊的问题,提出了将基于粗糙集和模糊数学理论的客观多属性权重分配分析方法运用于车内座椅用人造革异味的溯源研究.分析结果显示,在聚氯乙烯人造革发泡层配方中,阻燃剂、发泡剂、光稳定剂、热稳定剂、树脂对于异味产生影响程度的权重分配为0.082 3、0.432、0.082 7、0.221、0.182,发泡剂是异味产生的主要原因.随后对发泡剂产生异味的机理进行了分析并用气相色谱-质谱联用仪定性分析进行验证,证实了基于粗糙集理论的数学分析方法能够对大批量的数据进行筛选,在异味强度这种主观模糊的数据中引入属性重要性的概念进行权重分配,从而找到了聚氯乙烯人造革配方中导致异味产生的主要来源.

合理应用机械设计知识可以辅助提升创新设计的效率和质量。本文立足于云模式下的机械设计过程,提出基于行为-结构-知识的机械设计知识解构模型;提出一种云制造模式下基于Rough-ANP的机械设计知识优选推送策略,该方法充分结合了粗糙集理论(Roughsettheory)在处理模糊性和不确定性方面的优势以及网络层次分析法(ANP)在处理多目标评估问题的优势。最后以电动铲运机设计为案例,验证了该机械设计知识优选推送策略的有效性。

针对电液伺服系统故障数据冗杂、非线性以及多样性等问题,提出了一种基于Rough Set（RS）和Cuckoo Search（CS）算法优化的Support Vector Machine（SVM）的故障诊断方法。该方法通过AMESim仿真软件对穿戴式康复训练机器人电液伺服系统进行建模,并提取故障特征量;利用粗糙集把故障特征量的冗余信息剔除,再利用布谷鸟算法优化进行向量机参数的选取,将优化处理后的故障数据作为样本输入支持向量机,实现故障诊断和分类。通过将该方法与其他几种优化支持向量机方法相比较,这种方法对于电液伺服系统故障数据冗杂、非线性及较差的故障分类具有很好的诊断功能,且其诊断正确率较高以及诊断时间大大缩短。

针对液压泵故障诊断的现实需要，提出了基于粗糙集理论的故障诊断方法。该方法利用小波分析对测量的原始数据进行去噪处理并结合Labview软件进行特征提取，得到揭示其内在规律的数据信息并建立故障诊断决策表。采用粗糙集理论提取决策表中的诊断规则，为液压泵的故障诊断提供有效的依据。通过实验证明了该方法可有效的应用于液压泵的故障诊断。

大型数控液压机的液压系统故障与状态信息存在着复杂的非线性关系。该文将粗糙集理论和神经网络相结合，应用到大型数控液压机液压系统的故障诊断中。文中以下液压垫诊断为例，采用粗糙集理论对故障决策表进行属性约简，将获取的主要特征属性输入神经网络进行训练学习，通过这些测试数据得到仿真结果。仿真结果表明该方法用于大型数控液压机的液压系统故障诊断是有效的。