粒計(jì)算——神經(jīng)網(wǎng)絡(luò)算法及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用.pdf

1、本論文在進(jìn)行粒計(jì)算和人工神經(jīng)網(wǎng)絡(luò)的理論研究的基礎(chǔ)上，進(jìn)一步將兩者結(jié)合起來(lái)，提出了粒計(jì)算——神經(jīng)網(wǎng)絡(luò)算法，并將其應(yīng)用到旋轉(zhuǎn)機(jī)械故障診斷之中。
　　 粒計(jì)算理論(Granular computing theory，GrC)是美國(guó)學(xué)者T.Y. Li n 教授提出的，他曾指出“粒計(jì)算理論是數(shù)據(jù)約簡(jiǎn)的一個(gè)好工具”。粒計(jì)算從不同粒層次上研究問(wèn)題，主要用于處理不確定的、模糊的、不完整的和海量的信息，是信息處理的一種新的概念和計(jì)算范式，覆蓋了所

2、有有關(guān)粒的理論、方法、技術(shù)和工具的研究。作為一種新的智能信息處理技術(shù)，粒計(jì)算屬于“軟計(jì)算”的一種，在近幾年受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks，ANN)因其具有自學(xué)習(xí)、自組織、容錯(cuò)性好和并行處理信息等能力，廣泛地應(yīng)用于各種領(lǐng)域。
　　 本文在此基礎(chǔ)上提出的粒計(jì)算——神經(jīng)網(wǎng)絡(luò)松耦合算法將粒計(jì)算與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，各取其優(yōu)點(diǎn)，優(yōu)勢(shì)互補(bǔ)，其核心思想是將粒計(jì)算作為神經(jīng)網(wǎng)絡(luò)的前端處

3、理器，即利用粒計(jì)算理論強(qiáng)大的約簡(jiǎn)能力對(duì)原始信息進(jìn)行化簡(jiǎn)，從而得到與原始信息等價(jià)的最小屬性集，最后構(gòu)建基于最小屬性集的神經(jīng)網(wǎng)絡(luò)，從而進(jìn)行網(wǎng)絡(luò)訓(xùn)練。實(shí)驗(yàn)證明，基于粒計(jì)算的約簡(jiǎn)算法簡(jiǎn)單明了，計(jì)算量小，簡(jiǎn)化了網(wǎng)絡(luò)結(jié)構(gòu)，提高了訓(xùn)練效率。另外，本文還提出了二進(jìn)制粒神經(jīng)網(wǎng)絡(luò)(Binary Granular Computing Neural Networks,BGrCNN)模型，該模型將二進(jìn)制粒與神經(jīng)網(wǎng)絡(luò)緊密地融合在一塊，構(gòu)建了一種新的神經(jīng)網(wǎng)絡(luò)。該模型

4、的輸入輸出及其運(yùn)算過(guò)程均為二進(jìn)制數(shù)，能大大提高網(wǎng)絡(luò)的訓(xùn)練時(shí)間。
　　 本文的主要?jiǎng)?chuàng)新成果有：
　　 1) 首次將基于Rough 集的粒計(jì)算與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，各取其優(yōu)點(diǎn)，建立了粒計(jì)算—人工神經(jīng)網(wǎng)絡(luò)的模型。粒計(jì)算是對(duì)數(shù)據(jù)進(jìn)行約簡(jiǎn)的一種方法，人工神經(jīng)網(wǎng)絡(luò)是對(duì)數(shù)據(jù)進(jìn)行分類的一種手段，二者的結(jié)合可以彼此加強(qiáng)處理數(shù)據(jù)的能力。
　　 2)提出粒計(jì)算—人工神經(jīng)網(wǎng)絡(luò)故障診斷算法，以改進(jìn)人工神經(jīng)網(wǎng)絡(luò)在故障診斷應(yīng)用中的內(nèi)在缺點(diǎn)。<