基于鄰域粗糙集的符號有向圖故障診斷方法研究.pdf

1、符號有向圖(Signed Directed Graph，SDG)是一種定性的故障診斷方法，能夠解釋故障的傳播路徑，而且診斷結(jié)果的完備性好。但是SDG忽略了大量的定量信息，導致診斷結(jié)果的分辨率不高，而冗余的信息又增加了計算量;另外，模糊概率SDG對不可測節(jié)點的估算不夠準確。為此，本文提出基于鄰域粗糙集的SDG故障診斷方法和基于改進模糊概率SDG的故障診斷方法。
　　粒計算(Granular Computing，GrC)約簡算法可以按

2、照屬性的重要程度，對屬性進行有效地約簡，消除冗余信息。因此，將基于粒計算的推理方法與SDG故障診斷相結(jié)合，可以減少計算量。但是大部分的粒計算約簡方法只能處理離散數(shù)據(jù)，對于連續(xù)數(shù)據(jù)需要離散化處理，從而丟失了一部分定量信息，不利于診斷結(jié)果的分辨率和診斷過程的快速性的提高。鄰域粗糙集(Neighborhood Rough Set，NRS)能夠直接處理數(shù)值型屬性，而無須對其進行離散化處理。本文提出一種基于鄰域粗糙集的符號有向圖故障診斷方法。該方

3、法首先利用SDG確立每個故障的傳播路徑，并對路徑上的節(jié)點進行模糊化處理，這樣做不但可以表示節(jié)點發(fā)生偏差的程度，而且數(shù)據(jù)還具有連續(xù)性特點，然后再利用鄰域粗糙集對故障診斷決策表進行屬性約簡，最終得到屬性約簡后的決策表。當發(fā)生故障時，利用實時采集的樣本數(shù)據(jù)與屬性約簡后的決策表中的數(shù)據(jù)進行偏離度比對，判斷該案例故障是否發(fā)生。
　　當基于鄰域粗糙集的SDG故障診斷方法的故障規(guī)則庫不夠完備時，則要應用基于改進模糊概率SDG的故障診斷方法進行故