1 南阳师范学院机电工程学院, 河南 南阳 473061
2 河南省经济管理学校汽车工程系, 河南 南阳 473000
3 空装驻洛阳地区第二军事代表室, 河南 洛阳 471000
针对大数据下产生式规则推理效率低下的缺点以及异构信息融合时知识元权重分配困难的问题, 以数据和音频两种异构信息为信息源, 设计了基于梯次推理获益原则的产生式规则知识表示方法。根据映射特征向量与非映射特征向量知识元灵敏度的不同, 采用分组分级的推理策略;采用互信息-信息增益作为获益尺度, 根据知识元特征的获益值确定各知识元的权重。以某飞行数据和同步座舱音频为信源模拟了发动机故障实例并进行故障预测, 验证了梯次推理和获益原则的产生式规则表示方法具有较高的执行效率、知识元结构强度和较好的推理效果, 可以应用于实际工程的故障诊断和预测。
故障预测 梯次推理 获益原则 互信息 知识代表 failure predicition echelon inference benefit principle mutual information konwledge representation
