基于鄰域粗糙集的符號(hào)有向圖故障診斷方法研究.pdf

1、符號(hào)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(dǎo)致診斷結(jié)果的分辨率不高，而冗余的信息又增加了計(jì)算量;另外，模糊概率SDG對(duì)不可測(cè)節(jié)點(diǎn)的估算不夠準(zhǔn)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(jìn)模糊概率SDG的故障診斷方法。
　　粒計(jì)算(Granular Computing，GrC)約簡(jiǎn)算法可以按

2、照屬性的重要程度，對(duì)屬性進(jìn)行有效地約簡(jiǎn)，消除冗余信息。因此，將基于粒計(jì)算的推理方法與SDG故障診斷相結(jié)合，可以減少計(jì)算量。但是大部分的粒計(jì)算約簡(jiǎn)方法只能處理離散數(shù)據(jù)，對(duì)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(guò)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(wú)須對(duì)其進(jìn)行離散化處理。本文提出一種基于鄰域粗糙集的符號(hào)有向圖故障診斷方法。該方

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