基于粗糙集和神經(jīng)網(wǎng)絡(luò)的故障診斷虛擬系統(tǒng)的研究.pdf

1、目前,利用多種智能故障診斷技術(shù)相結(jié)合實現(xiàn)故障診斷已經(jīng)成為故障診斷領(lǐng)域研究的一個熱點。神經(jīng)網(wǎng)絡(luò)憑借自身獨特的優(yōu)勢在故障診斷領(lǐng)域發(fā)揮著越來越重要的作用,但是訓(xùn)練數(shù)據(jù)中大量冗余信息的存在嚴重制約著神經(jīng)網(wǎng)絡(luò)的診斷效率,而粗糙集理論可以在保持數(shù)據(jù)分類能力不變的情況下,刪除多余的不相關(guān)信息。于是兩者的結(jié)合就成了一種必然。
　　 本文以構(gòu)建基于粗糙集-神經(jīng)網(wǎng)絡(luò)的故障診斷虛擬系統(tǒng)及其程序?qū)崿F(xiàn)為目的,主要做了以下幾方面的工作:
　　 ①針

2、對現(xiàn)有的粗糙集-神經(jīng)網(wǎng)絡(luò)相結(jié)合的故障診斷方法,在分析了目前幾種常見方法的優(yōu)缺點的基礎(chǔ)上,提出如下實現(xiàn)方法:采用SOM神經(jīng)網(wǎng)絡(luò)進行連續(xù)屬性離散化,屬性約簡采用基于粗糙集理論的rosetta軟件中的Johnson’salgorithm約簡算法,采用改進的BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)故障診斷。
　　 ②BP神經(jīng)網(wǎng)絡(luò)中引入L-M算法。該算法結(jié)合了高斯-牛頓法和梯度下降法兩者的優(yōu)點,從而使網(wǎng)絡(luò)在學習和訓(xùn)練過程中可以自適應(yīng)調(diào)整網(wǎng)絡(luò)權(quán)值,使網(wǎng)絡(luò)能夠有效收