描述实例修正与学习的策略

描述实例修正与学习的策略

        在设备故障诊断的专家系统中，机器学习方法应用最为成功的是基于实例的学习和基于人工神经网络的学习方法。这两种学习方法的前提是要有良好的实例库。实例的组织和管理通常由故障历系统来实现。故障历类似于医院的病历。故障历系统记录设备所发生的故障实例以供现场专家查询，并负责为学习系统准备学习样本。故障实例可用多种方法来表示，例如，可以用原始信号一诊断结论一维修措施的形式保存，以供专家系统使用。

　　基于实例的学习分为机械学习和深入学习两个层次。机械学习就是死记硬背，由征兆识别系统直接将故障实例识别为本系统可用的形式。深入学习就是进一步将实例进行适当修正。诊断过程中会不断形成新的实例加入实例库，即不断积累经验，若不采取适当措施，必然会使实例库越来越庞大，从而降低实例推理的效率，因此，必须对加入到实例库中的实例进行学习和替换。

　　实例的修正与学习的策略可描述如下：

　　(l)若实例库中没有该实例，则加入该实例。

　　(2)若该实例与实例库中所有实例的相似度均小于给定的值(比如0.8)，则加入该实例，以保证实例库中实例的相似度按段分布，从而避免实例库的无限膨胀。

　　(3)实例库中频繁使用的实例，排在前面。

　　(4)实例中已存在的实例，若频繁使用，则不替换;否则，用其替换旧的实例。

　　(5)消除实例的不一致性和冗余性，郑州颚式破碎机从而使实例库始终处于最佳状态。