一種粗糙集和神經網絡相結合的故障診斷方法研究.pdf

1、目前，故障診斷已經發(fā)展到了智能階段，而智能故障診斷技術的研究重點已經逐漸由傳統的人工智能轉向新興的計算智能領域。計算智能領域的一些理論，如人工神經網絡，粗糙集理論等已經在故障診斷中得到了廣泛應用。人工神經網絡(AⅢ)是一種自適應非線性動力學系統，具有可學習性和并行計算能力，可以實現分類、自組織、聯想記憶等功能。粗糙集(RS)理論是一種刻畫不完整性和不確定性的數學工具。它能有效地分析和處理不精確、不一致、不完整等各種不完備信息，并從中發(fā)現

2、隱含的知識，揭示潛在的規(guī)律。粗糙集理論可以彌補神經網絡不能確定哪些知識是冗余的，哪些知識是有用的，訓練時間過于漫長的局限性。因此，將神經網絡與粗糙集理論結合來完成故障診斷是很有意義的。 本文在對現有的粗糙集——神經網絡結合的故障診斷方法分析的基礎上，重點研究了連續(xù)屬性離散化和屬性約簡的方法，主要作了以下幾方面工作： 1.提出了一種使用競爭學習(Competitive)網絡和條件屬性支持度相結合對連續(xù)屬性進行離散化的方法，

3、約簡的正確結果表明該離散化方法能夠比較客觀地反映數據的分布情況。 2.當故障系統中包含多個條件屬性時，提出一種先將決策表分塊再約簡的方法，并對該方法的可行性和算法的時間復雜度進行了分析，分析結果表明分塊建立決策表再約簡的方法是可行的，可以降低約簡的復雜度，從而縮短約簡工作的時間。 3.結合一個軸承故障診斷的實例，給出了用前述方法對故障數據進行處理的全過程，并用MATLAB的圖形用戶界面GUI設計了一個BP神經網絡，對學習