基于夹角余弦值的冷链物流设备故障处理研究

(商丘工学院 河南 商丘 476000)

一、研究环境

案例推理是人工智能领域中一种重要的基于知识的问题求解和学习方法，具有良好的可扩充性和可移植性以及自学习能力[1]。基于案例推理的故障诊断系统基本原理是，将以往已成功解决的故障事件以案例的形式存储起来，每个案例包括条件属性、决策属性以及解决方案，当有新的故障出现时，输入新故障的特征条件属性值，然后在历史案例库中检索与待解决故障案例最相似的案例，即可根据检索出来的最大相似度案例的解决办法对待解决故障案例进行适配。

二、冷链物流设备故障诊断系统

在冷链物流设备故障诊断系统中，输入端为待解决冷链物流设备的故障属性值；运算中心由熵权法运用相应的历史案例库中各故障案例的条件属性值及决策属性值计算各属性权重的计算模块和夹角余弦值计算历史故障案例与待解决故障案例的相似度的计算模块组成；输出即为各历史故障案例与待解决故障案例的相似度。

(一)熵权法确定属性权重

要计算历史故障案例与待解决故障案例的视图相似度，首先要确定故障案例的视图，即冷链物流设备故障的各属性权重向量。

应用熵可以度量冷链物流设备故障案例方面中数据所蕴含的信息量，并以此确定各方面的权重。采用熵权法确定方面权重的步骤如下[2]-[4]：

1.构建无量纲冷链物流设备故障方面值矩阵。假设有m个待检测案例，每个案例有n项