粗糙集理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合的故障診斷方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)與控制技術(shù)的發(fā)展與應(yīng)用，系統(tǒng)設(shè)備的自動(dòng)化程度大幅提高。故障原因、故障過程和故障現(xiàn)象錯(cuò)綜復(fù)雜，計(jì)算智能領(lǐng)域的一些理論，如人工神經(jīng)網(wǎng)絡(luò)、粗糙集理論等已經(jīng)在故障診斷中得到了廣泛的應(yīng)用。粗糙集理論是一種處理模糊和不確定知識的工具，它簡化決策規(guī)則，提取有效的信息，能夠消除知識冗余性的問題。但粗糙集的容錯(cuò)能力還不夠理想，當(dāng)核屬性受噪聲污染時(shí)有可能會出現(xiàn)誤判的情況。因此為了提高粗糙集的容錯(cuò)能力，將粗糙集與神經(jīng)網(wǎng)絡(luò)相結(jié)合，構(gòu)建粗糙集(RS

2、)和神經(jīng)網(wǎng)絡(luò)(ANN)相結(jié)合的系統(tǒng)，充分利用粗糙集理論對知識的約簡能力和神經(jīng)網(wǎng)絡(luò)的容錯(cuò)學(xué)習(xí)能力。本文利用二者的優(yōu)勢，將ANN和RS相結(jié)合，提出了一種基于粗糙集一神經(jīng)網(wǎng)絡(luò)的故障診斷模型。 首先對粗糙集理論的數(shù)據(jù)約簡問題進(jìn)行深入探討。數(shù)據(jù)約簡是粗糙集理論的核心內(nèi)容之一。主要研究了運(yùn)用粗糙集理論進(jìn)行屬性約簡的方法，由于運(yùn)用粗糙集理論進(jìn)行屬性約簡是一個(gè)典型的NP(多項(xiàng)式復(fù)雜程度的非確定性)問題，提出了一種基于改進(jìn)的二進(jìn)制可辨識矩陣與布爾

3、代數(shù)的屬性約簡方法，從而大大簡化了可辨識矩陣，使屬性約簡計(jì)算量大幅度減小，可以快速得到給定要求下的屬性約簡。 其次，對基于神經(jīng)網(wǎng)絡(luò)的連續(xù)數(shù)據(jù)離散化與故障診斷進(jìn)行研究。粗糙集理論是一種基于離散數(shù)據(jù)進(jìn)行處理的方法，連續(xù)數(shù)據(jù)的離散化直接影響到它的處理效果，為此提出了一種基于自組織映射神經(jīng)網(wǎng)絡(luò)的離散化算法，使得權(quán)值向量在輸入向量空間中相互分離，形成各自代表的輸入模式，實(shí)現(xiàn)特征自動(dòng)識別的聚類分析功能。仿真結(jié)果驗(yàn)證了方法的有效性。