9篇关于模糊推理的计算机毕业论文

今天分享的是关于模糊推理的9篇计算机毕业论文范文, 如果你的论文涉及到模糊推理等主题,本文能够帮助到你

水泥生产关键设备故障诊断系统的研究

这是一篇关于关键设备,特征提取,模糊推理,案例推理,故障诊断的论文, 主要内容为水泥生产中的每个环节都是相互联系的,任何环节出现问题都会降低水泥生产的效率和质量。而水泥生产线中关键设备的正常工作是保证各生产环节正常运行的重要前提。水泥生产线长、生产设备结构复杂且数量众多、加上水泥生产环境恶劣,一旦某一生产环节的关键设备出现故障,都会发生一系列的连锁反应,造成严重的生产问题。从长远发展角度来看,故障诊断技术必然是未来科学研究的热点内容。同理,将故障诊断技术运用到水泥生产设备当中也必定是水泥行业发展的一个重要方向。针对以上分析,展开对水泥生产关键设备故障诊断系统的研究具有十分重要的实用价值和实际意义。本文以某水泥生产现场作为课题的研究背景,对水泥生产关键设备的故障诊断系统进行研究。课题研究旨在研究思想可以为整条水泥生产中关键设备的故障诊断方法提供具有实际意义的参考依据,开发的故障诊断系统在生产现场能够实现预定的故障诊断功能。在深入了解水泥生产工艺的基础上,得出水泥生产过程中的关键设备,选取窑尾高温风机为课题的研究对象。课题研究首先提取出能表征高温风机现场运行状态的关键特征值参数,根据生产现场参数的设定值,判断特征参数是否处于正常变化范围。其次,仿真从现场采集到的高温风机不同运行状态下的关键参数数据,得出不同故障类型下各特征参数的不同变化趋势。把模糊推理和基于案例推理算法用于水泥生产关键设备故障诊断算法研究。在对设备不同故障类型下关键参数变化趋势分析的基础上,通过模糊推理得出故障诊断规则;把得到的故障诊断规则存入规则库中,为案例推理提供参考。在案例推理算法中,运用聚类方法对不同运行状态的数据进行归类,得出表征设备不同运行状态的代表性数据;通过相似度的比较判断案例的匹配程度,得出设备最可能的故障状态。最后,对水泥生产关键设备故障诊断系统软件进行设计与开发。从工业生产的实际应用出发,在基于Asea Brown Boveri Ltd(ABB)公司的Freelance AC800F系统平台的基础上对故障诊断系统进行开发,运用Microsoft Visual Basic 6.0编写水泥生产关键设备故障诊断系统软件。故障诊断系统软件的架构由OLE for Process Control(OPC)数据采集系统、故障诊断前台界面以及后台SQL Server 2000数据库三部分组成。运用开发的故障诊断系统对设备不同运行状态历史数据进行仿真实验得到了很好的仿真效果。

数据驱动的地下水风险智能预警方法及应用

这是一篇关于地下水水位,模糊推理,时间序列,SpringBoot的论文, 主要内容为地下水作为我国重要的水资源中的一部分,具有分布区域广、难以被污染等特点,同时也在保障社会发展中起着重要的作用。然而由于近几十年来对地下水的超采也引发一系列问题。而石家庄市作为河北省的省会,在“京津冀”协同发展的地位日益重要。而石家庄市又是地下水超采最严重的地区,分析石家庄市地下水水位的风险等级变化,对石家庄市的发展有着重要意义。本文以石家庄市内水位监测站收集的数据为研究对象,采用相关技术分析水位风险等级的变化。主要研究工作有以下三个方面:1.石家庄市地下水水位数据探索分析。首先对地下水水位数据集进行统计性分析,并针对异常数值和缺失值采用局部均值的方法对数据进行校正,对于一些分析价值不高的监测站(异常值和缺失值较多)进行剔除。分析带有异常值和缺失值的监测站之间的关系。根据各个监测站的空间位置划分成不同区域,分别从区域以及整体的角度对地下水平均水位均值做可视化分析。同时分析各个监测站的水位数据的相关性,并对其进行层次聚类。2.基于模糊推理和时间序列的风险等级预测。首先以地下水水位均值和其变化率作为模糊推理的输入,经过模糊规则进行风险等级的推理,最后得到监测站风险系数。根据风险系数划分成四类风险等级,分别是绿色等级,黄色等级,橙色等级,红色等级。绘制地下水水位风险等级时序图,并分析发生风险等级变化的原因,并进一步对所有监测站的风险等级做统计分析。其次利用ARMA和LSTM对水位均值进行预测,并结合模糊推理给出风险等级,以更好地应对未来水位变化带来的麻烦。3.基于Spring Boot的水位风险可视化系统研究。主要通过Spring Boot等相关技术,搭建基于数据库层,服务层,视图层的三层体系架构,建立一个地下水水位风险可视化系统,以便于更好地展示数据的变化以及风险等级信息。通过对地下水水位进行风险预测,在风险发生前进行预防,做到事前预防,降低风险发生的可能性,对石家庄市的发展有着重要意义。

水泥生产关键设备故障诊断系统的研究

使用JESS开发基于Web的中医诊断专家系统研究

这是一篇关于JESS,中医诊断,专家系统,产生式表示,模糊推理,MVC模式的论文, 主要内容为自二十世纪八十年代以来,传统的中医诊断专家系统发展迅速。但基于Web的中医诊断专家系统的开发却遇到相应开发工具缺乏的问题,系统推理能力受到了限制。因此,本文提出了基于Web的中医诊断专家系统模型。本文尝试将机械故障诊断技术应用于中医诊断中。主要采用JESS(Java Expert System Shell)、JSP (Java Server Pages)技术、关系数据库技术和模糊技术开发了基于Web的中医诊断专家系统。系统不但具有平台无关性和扩展性,而且具有Web服务和高效推理能力。JESS是用Java实现的专家系统开发工具,可以方便地集成到Java软件系统中。并且JESS具有高效的推理能力。本文研究了产生式专家系统原理、模糊不确定性信息表达与处理、模糊产生式规则与模糊推理技术、基于Web的专家系统原理和JESS等。在此基础上,开发基于Web的中医诊断专家系统。系统采用模糊技术来处理中医辨证论治的模糊性。知识表示采用模糊产生式表示法,推理方式采用加权多维模糊推理,推理控制策略应用混合推理控制策略。系统以JDK 6 (JAVA SE DEVELOPMENT KIT)、MyEclipse 6.6、Apache Tomcat 6.0、MySQL Server 5.0和JESS为集成开发环境,采用B/S(Browser/Server)结构与MVC (Model-View-Controller)开发模式。在MVC模式中,JSP负责显示、Servlet负责过程控制、JavaBean负责业务逻辑。JESS推理集成到Servlet中。应用关系数据库MySQL构建知识库和综合数据库,这提高了系统的推理效率。数据库连接使用JDBC(Java Database Connectivity)。最终实现了基于Web的中医诊断专家系统。基于Web的中医诊断专家系统良好运行证明了设计的可行性。

使用JESS开发基于Web的中医诊断专家系统研究

基于微信平台的食用菌栽培环境监控与技术服务系统研究与实现

这是一篇关于食用菌,栽培环境监控,微信平台,数据融合,模糊推理的论文, 主要内容为食用菌是一种对栽培环境要求较为严格的作物,只有处于最佳生长环境中才能到达产量最大和品质最优,因此,对食用菌栽培环境进行监控是食用菌生产者所关心的问题。近年来,智能手机的广泛普及和移动互联网的快速发展,带动了微信应用的发展,开发基于微信的移动应用也成为了新的热点。在微信平台中接入采集菇房环境数据的硬件设备,实现人与人,人与物,人与菇房之间的相互连接,实现随时随地掌握菇房环境状况,为食用菌栽培环境监测提供了新的途径。以微信平台为基础开发移动应用软件具有非常好的条件:一是庞大的用户使用人群,为系统带来了更多潜在用户;二是统一的应用运行环境,避免了操作系统的差异带来开发成本的提高。这些优势为微信成为食用菌栽培环境监控系统的用户平台奠定基础。因此,本文提出了研究基于微信平台的食用菌栽培环境监控与技术服务系统,具体研究内容主要包括如下几个方面:首先,分析了微信平台、后台服务系统、硬件设备两两之间的关系及相互之间的通信方式,并将这三者进行组合搭建系统整体架构。对以STM32微处理器为核心的硬件设备设计进行描述,说明选择SHT11、MG811、TSL2561传感器和MF210通讯模块的理由,给出了保证感知数据有效传输的数据传输方式和协议。介绍了系统软件功能的组成和系统中各数据库表的设计。其次,由传感器数据采集的不确定性问题引出了本文提出的菇房环境数据处理模型。该模型分三步处理硬件设备采集的感知数据,第一步,使用分布图法去除上传数据中异常数据;第二步,使用数据融合技术处理多源环境感知数据,解决数据中不确定性问题;第三步,使用模糊推理技术对菇房环境状况进行判断。介绍了微信公众号和后台服务系统之间的通信协议,以获得处理后的栽培环境数据,让用户可以通过微信对食用菌栽培环境进行随时随地的监控。最后,以上述研究为基础,实现了以微信平台为基础的食用菌栽培环境监控系统。相比传统的环境监控系统,本系统增加了技术服务功能,包括专家生产辅助指导和web食用菌农业信息收集,在收集农业信息的过程中使用空间向量模型去除重复数据。对完成后的系统进行了功能测试,结果表明,系统功能符合设计时的要求。

基于专家系统的个性化网上服装商城的设计

这是一篇关于Web技术,服装推荐,专家系统,模糊推理,JSP的论文, 主要内容为随着全球互联网科技的高速发展,电子商务领域的网上服装商城成为重要的应用之一,无纸化的电子商务贸易,使用户得到人性化服务的同时,更实现了跨国性的经营。因此,现在的人们更多的喜欢在网上购买服装且成为一种趋势。目前,国内外服装款式的推荐大多数采用建立尺码的推荐和模拟试穿两种方式,这两种方式需要消费者输入人体数据,然后生成一个虚拟的试衣模特,消费者把喜欢的服装拖到模特身上。由于这些方法是建立在手工测量的基础上,有误差、耗时长,并且模特本身和真实个体存在一定差别,不能有针对性的根据消费者自身的体貌特征进行信息的筛选,从而造成了服装的颜色、裤型、款型、尺码等与消费者体貌特征不搭的现象。为了解决以上问题,本课题对专家系统技术、Web技术做了详细的探究,深入研究了专家系统的知识表示和推理机。将推荐技术和专家系统技术应用到服装推荐网站中去,设计了基于专家系统的个性化网上服装商城。该服装商城系统的功能设计包括网上服装管理与销售、专家系统服装推荐两大部分。前者围绕Web技术,实现了从服装的线上上架到顾客购买的一系列的网上服装管理与销售的功能,包括顾客的注册与登录、服装查询、购物车管理、订单管理与支付、管理员的登录、服装与顾客信息的管理以及服装订单管理等。后者基于专家系统,以产生式规则的知识表示方法建立服装搭配的专家知识库,推理机方面采用并行的基于精确的推理和基于评判矩阵的模糊推理两种机制,实现了针对顾客的肤色与服装颜色,身材与服装款型,腿型与裤型,着装场合与服装风格,脸型、肩型、颈长、身材与服装领型,以及身材、腿型、肩型与服装裙型相匹配的个性化推荐。该网上服装商城系统采用基于B/S的三层体系结构,利用JSP、Servlet、以及MySQL进行开发。后端采用JDBC技术与MySQL开发的数据库进行连接,数据库中存放着顾客和服装信息的数据,并用作规则库、事实库、动态数据库来存放服装推荐规则、事实及推理的中间结果等。前端使用HTML、CSS、JavaScript等前端基本技术对网页界面进行设计,用于实现用户与系统间的人机交互。本文设计的基于专家系统的个性化网上服装商城通过专家系统与电子服装网站相结合,更好的帮助了顾客对网上服装的定位和识别,为顾客在网上服装商城购买服装提供了高效、科学的决策参与。实现了网上服装推荐结果的有效性、合理性,对网络服装零售业的智能化具有较为重要的研究价值和广泛的应用前景。