粗糙集理論與神經網(wǎng)絡相結合的故障診斷方法研究.pdf

1、隨著計算機技術與控制技術的發(fā)展與應用，系統(tǒng)設備的自動化程度大幅提高。故障原因、故障過程和故障現(xiàn)象錯綜復雜，計算智能領域的一些理論，如人工神經網(wǎng)絡、粗糙集理論等已經在故障診斷中得到了廣泛的應用。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。但粗糙集的容錯能力還不夠理想，當核屬性受噪聲污染時有可能會出現(xiàn)誤判的情況。因此為了提高粗糙集的容錯能力，將粗糙集與神經網(wǎng)絡相結合，構建粗糙集(RS

2、)和神經網(wǎng)絡(ANN)相結合的系統(tǒng)，充分利用粗糙集理論對知識的約簡能力和神經網(wǎng)絡的容錯學習能力。本文利用二者的優(yōu)勢，將ANN和RS相結合，提出了一種基于粗糙集一神經網(wǎng)絡的故障診斷模型。 首先對粗糙集理論的數(shù)據(jù)約簡問題進行深入探討。數(shù)據(jù)約簡是粗糙集理論的核心內容之一。主要研究了運用粗糙集理論進行屬性約簡的方法，由于運用粗糙集理論進行屬性約簡是一個典型的NP(多項式復雜程度的非確定性)問題，提出了一種基于改進的二進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，對基于神經網(wǎng)絡的連續(xù)數(shù)據(jù)離散化與故障診斷進行研究。粗糙集理論是一種基于離散數(shù)據(jù)進行處理的方法，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網(wǎng)絡的離散化算法，使得權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，實現(xiàn)特征自動識別的聚類分析功能。仿真結果驗證了方法的有效性。