基于粒計算—神經(jīng)網(wǎng)絡(luò)的故障診斷方法與應(yīng)用.pdf

1、最近幾年來，國內(nèi)外的許多學(xué)者對粒計算理論及其應(yīng)用做了深入地研究，發(fā)現(xiàn)粒計算的理論研究不僅為不完整數(shù)據(jù)的分析、推理，以及提取有用的屬性、發(fā)現(xiàn)數(shù)據(jù)間的關(guān)系、簡化信息處理等提供了一個有力的工具;還為研究不確定的、不精確的知識表達、歸納、學(xué)習(xí)方法等提供了一個嶄新的方法，并且己經(jīng)在很多的領(lǐng)域中取得了豐碩的成果。粒計算理論不但給出了對知識、數(shù)據(jù)的求核和約簡方法，而且還提供了從決策信息系統(tǒng)中抽取規(guī)則的能力，所以粒計算理論在刻畫知識表達系統(tǒng)中不同屬性的

2、重要性以及其在知識表達空間的簡化能力方面都具有很強的優(yōu)勢，而且能有效地處理不一致的或一致的決策信息系統(tǒng)。但是粒計算理論也存著一些不足，比如說在推廣能力和容錯能力方面就相對無力，而且也只能處理量化的數(shù)據(jù)，在處理病態(tài)數(shù)據(jù)等方面往往顯得無計可施。ANN采用的是并行處理方法，因此其能快速地聯(lián)想到學(xué)習(xí)樣本中的類似情況，從而快速地做出決策。利用神經(jīng)網(wǎng)絡(luò)進行故障診斷時，雖然解決了知識獲取和自學(xué)習(xí)的難題，但是當樣本數(shù)量比較龐大，且樣本空間分布也比較復(fù)雜

3、時，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練就難以達到收斂，并且ANN的這個處理過程缺乏透明性。如果把粒計算與神經(jīng)網(wǎng)絡(luò)相結(jié)合，其不但可以很好的利用兩者之間的優(yōu)點，而且還可以相互彌補對方的不足。
　　 本文利用一個基于粒計算和神經(jīng)網(wǎng)絡(luò)的松禍合故障診斷方法對某一配電網(wǎng)進行了實驗，該實驗方法不但充分利用了粒計算理論的屬性約簡優(yōu)勢，還結(jié)合了神經(jīng)網(wǎng)絡(luò)的知識獲取和自學(xué)習(xí)的能力。其核心思想是:將粒計算理論作為神經(jīng)網(wǎng)絡(luò)的前端處理器，也就是說利用粒計算的強大約簡能力對原始

4、的信息系統(tǒng)進行化簡，在此基礎(chǔ)上，本文還在粒計算的理論中引入了粒度及基于相對粒度屬性重要性的概念，并把它作為啟發(fā)式信息，從而對診斷系統(tǒng)的一系列輸入變量進行一個合理的選擇，換句話說是選取與故障信息相關(guān)性較大的參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入，從而降低求解規(guī)模，也就是得到與原始信息等價的最小屬性集;然后再構(gòu)建基于最小屬性集的神經(jīng)網(wǎng)絡(luò)，利用BP神經(jīng)網(wǎng)絡(luò)開始進行建模及參數(shù)辨識，并通過適量的樣本進行學(xué)習(xí)訓(xùn)練，其這樣不但減少了ANN的學(xué)習(xí)訓(xùn)練時間，還提高了