云梯车ＣＢＲ基本流程是什么??    增城云梯车出租,  南沙云梯车出租,  番禺云梯车出租    基于实例推理（ＣＢＲ）    基于实例推理是一种重要的根据知识求解问题的方法。ＣＢＲ在解决问题时，重用或修改数据库中存储的、以前的、相似的问题，从而解决当前发生的问题。基于实例推理成功解决了知识获取困难的瓶颈，它将定量分析和定性分析相结合，具有动态知识库和增量学习的特点。基于实例推理技术通常分为解释型和问题解决型两类。解释型的实例推理利用先前的目标是当前的情况进行分类、描述、解释；而问题解决型的实例推理的目标是为当前问题提出建设性的解决方案。解释型的实例推理通过将实例库中已经分好类的实例和当前问题进行对比，从而对当前问题进行一个判断或者分类。这种类型的实例推理经常用于故障诊断专家系统中，因为一个新的故障发生时，其特征项的特征值往往会与以前发生相同故障时的特征值相同或相似。问题解决型的实例推理将以往相似的解决方案应用于当前问题，并通过修正使其更加精确。这种类型的实例推理经常用于设计或者计划系统，由于每一个设计都会与之前的设计案例有所不同，因此需要在原有案例特征参数的基础上进行修改调整。

       “Ｒ４”循环被认为是ＣＢＲ系统中最经典的结构框架。其详细的结构流程图。以上流程为典型的问题解决型ＣＢＲ系统。解释型的实例推理系统，如故障诊断专家系统中不存在实例修正这个部分。数据库中的各个故障实例具有特定性和唯一性，因此不能修改输出案例。如果输出案例与当前问题完全匹配，则可以使用输出案例的解决方法解决当前问题；如果输出案例与当前问题相似，则可以将输出案例作为参考，并在问题解决后更新案例库。

     最临近算法（Ｋ－ＮＮ）,   Ｋ最临近算法的基本流程实例检索是ＣＢＲ系统中最为关键最为重要的核心部分。实例检索直接关系到一个ＣＢＲ系统效率的高低和性能的优劣，一个好的实例检索方法能够精准快速的寻找到匹配实例并将其提取出来。本文基于Ｋ最临近算法进行实例检索。Ｋ最临近算法（Ｋ－ＮｅａｒｅｓｔＮｅｉｇｈｂｏｒ）是数据挖掘中一种重要的分类算法，其核心是通过计算当前问题与实例库中各实例间的距离来确定他们之间的相似度，并根据相似度阀值的设定进行分类。

       在求当前问题和实例库实例的整体距离时，需要用到对应特征项的距离，即，ｃｙ＝１，２，．．．，ｎ，以及对应特征项之间的相似度，即ＳｉｍＯｃｙ，＝１，２，．．．，ｎ。本系统涉及到的特征项的数值有离散型数值、文本型数值２种类型。下面就给出计算他们的距离及相似度的方法。  离散型数值之间的计算若当前问题Ｘ的第Ｊ个特征项；＾与实例库中实例ｑ的策／个特征项％为离散型数值时，他们的距离和相似度计算公式.   其中ａ为实例库所有实例的第／个特征项中的最大值，沒为实例库所有实例的第ｙ个特征项中的最小值。２、文本型数值之间的计算某些实例的特征项是文本型数值，由于文本类型的特征值有可能出现用词不同但意思相同的情况，处理起来相对复杂。这就要求在实例组织阶段统一描述语言和规格，形成描述和语义的一一对应。若当前问题实例Ｘ的第ｙ个特征项与实例库中实例的第／个特征项为文本型数值且需二者精准匹配时.   

    ２、构建进行评分的综合判断矩阵各专家对于特征项重要程度的评分完成后，为了得到他们的综合意见也为了评分更加客观真实，使用几何平均值的方式得到综合判断矩阵。几何平均值相对于算数平均值受到极端数据的影响较小，可以反映出现象的一般水平。ＣＢＲ系统中实例组织、权重计算、实例检索和实例管理四个部分是ＣＢＲ的关键部分。下面以空调系统为例介绍本文所设计的故障诊断专家系统中ＣＢＲ的应用。

   增城云梯车出租,  南沙云梯车出租,  番禺云梯车出租

     实例组织空调系统在确定故障判断特征项时，将特征项分为基本属性和特征属性两类。根据整个诊断平台的一致性和本系统的特点，将国别、机械类型、机械型号、系统供应商、系统电压和压缩机转速等特征项设定为基本属性。根据本系统的结构－特征将压缩机出口压力、冷凝器出口压力、冷凝器出口温度、膨胀阀出口压力…膨胀阀出口温度、蒸发器出口压力、蒸发器出口温度等特征项作为特征属性。在实例组织阶段需要将这些特征项从样本库中清洗筛选出来，组成故障实例库。本文中将故障实例根据云梯车的子系统分组后，再根据各系统中故障特征项的不同进行分类。这样进行实例组织，结构清晰、层次分明。清晰明确的实例组织也提升了实例检索阶段的效率。下图是以空调系统的实例组织层次结构。本文中涉及到的各个子系统（发动机系统、空调系统、发电机系统、驱动电机系统、超级电容系统、工作装置系统）内部关系较为明确。因此在实例组织时可以将各子系统中的实体表进行合并，从而使实例组织更加简洁。以空调系统为例，其机械设备表、空调系统表和空调系统故障表合并后形成空调系统故障实例库。在空调系统故障实例库中包含序号、国别、机械类型、机械型号、系统电压、压缩机转速、压缩机出口压力、冷凝器出口压力、冷凝器出口温度、膨胀阀出口压力、膨胀阀出口温度、蒸发器出口压力、蒸发器出口温度、故障描述、故障原因和解决措施等信息。权重计算传统方式中，使用纸质调查表请专家进行打分后计算各特征项的权重，不仅耗费时间还有出现错误的极大可能。因此本文将层次分析法用Ｃ＃语言在ＶｉｓｕａｌＳｔｕｄｉｏ２０１０中编写成程序，并作为一个独立模块嵌入到整个故障诊断专家系统中。层次分析法计算所得到的各特征项的权重集以日期为主键保存在“ＣＢＲ故障诊断权重库”的各表中，以供Ｋ－ＮＮ检索时使用。图４－５为权重设置界面，图４－６为ＣＢＲ故障诊断权重库。

     实例检索下面以某一案例对空调系统基于Ｋ最临近算法的故障检索进行详细介绍。设当前问题各特征项的参数。权重设置时，可以通过下拉菜单选择己经计算好，并且保存在权重库中的权重集。检索结果若有多个实例满足相似度阀值，可输出多个实例。系统会将其按照当前问题与各输出实例间整体相似度的先后顺序在ｄａｔａＧｒｉｄＶｉｅｗ控件中展示，并通过单击读取。通过基于实例推理，输出实例序号为２６８和２８８，与当前问题的整体相似度分别为０．９７和０．９５，最低分量相似度分别为０．９２和０．９２。满足设置的整体相似度阀值０．９０，分量相似度阀值０．９０。因此这两个输出实例都可以很好的解释当前问的故障情况，由于输出实例都不存在故障，因此判断当前问题不存在故障。

    实例管理实际上就是对故障实例库的维护，其包含了故障实例库中实例的增力口、删除、修改和查询。ＣＢＲ技术拥有自学习能力指的是他可以通过远程监控进行数据库的有效更新，同时还可以将当前已经解决的问题增加到数据库中作为新的实例。更多的实例可以提高实例库检索的精确度，但是实例也不是越多越好，实例库中实例的情况应该根据系统的硬件设备、系统的设计要求进行设计。因此应当使用一个策略保证实例库中的实例以一个合理的方式进行更替。或者提高系统的硬件水平并且利用云平台作为实例库的存储环境，这样不但保证了检索效率，检索的精度也会随着实例库的不断壮大而提高。为空调系统实例管理界面。介绍了基于实例推理的流程、Ｋ最临近算法及层次分析法，最后一节以空调系统为例，详细介绍了ＣＢＲ在本文设计的故障诊断专家系统中的应用情况。

    增城云梯车出租,  南沙云梯车出租,  番禺云梯车出租