基于粗糙集理論的故障診斷方法研究及應(yīng)用.pdf

1、隨著現(xiàn)代工業(yè)及科學(xué)技術(shù)的迅速發(fā)展，故障診斷已經(jīng)越來越受到重視。作為一個(gè)強(qiáng)大的數(shù)據(jù)分析工具，粗糙集理論能有效地分析和處理具有不精確、不一致、不完整等特性的各種不完備信息。由于它不需要任何先驗(yàn)知識，僅從實(shí)際數(shù)據(jù)中得出系統(tǒng)內(nèi)在的規(guī)律，因此在復(fù)雜系統(tǒng)和非線性數(shù)學(xué)模型系統(tǒng)的故障診斷中具有誘人的應(yīng)用前景，成為當(dāng)前故障診斷的一個(gè)研究熱點(diǎn)。本文利用粗糙集理論在處理不完備信息方面的獨(dú)特性能，對其在故障診斷中的應(yīng)用進(jìn)行了探索性研究。本文重點(diǎn)研究了以下幾個(gè)方

2、面的內(nèi)容：
　　 1.連續(xù)屬性的離散化方法。在實(shí)際應(yīng)用中，相當(dāng)多的數(shù)據(jù)是連續(xù)的，而粗糙集只能處理離散數(shù)據(jù)，因此首先必須對連續(xù)數(shù)據(jù)進(jìn)行離散化。本文首先簡單介紹了現(xiàn)有的幾種離散化方法及其優(yōu)缺點(diǎn)，然后針對單純利用自組織映射神經(jīng)網(wǎng)絡(luò)進(jìn)行連續(xù)屬性離散化的缺陷，提出了一種基于自組織映射(SOM)神經(jīng)網(wǎng)絡(luò)與粗糙集理論相結(jié)合的連續(xù)屬性離散化方法，實(shí)例證明該方法簡單實(shí)用。
　　 2.屬性約簡算法?，F(xiàn)實(shí)中的數(shù)據(jù)存在很多冗余，特別是存在大量數(shù)

3、據(jù)時(shí)冗余更加嚴(yán)重，不僅浪費(fèi)存放空間而且擾亂推出正確的規(guī)則。屬性約簡是粗糙集理論研究的核心問題之一。本文首先介紹了現(xiàn)有的一些屬性約簡算法，重點(diǎn)研究了基于區(qū)分矩陣的屬性約簡算法，并對其作出了改進(jìn)，提出了基于區(qū)分矩陣的快速屬性約簡算法，有效地縮短了原約簡算法所需的屬性約簡的時(shí)間。
　　 3.優(yōu)化故障診斷網(wǎng)絡(luò)的構(gòu)造。優(yōu)化故障診斷網(wǎng)絡(luò)以條件屬性C的所有決策屬性D簡化集為初始節(jié)點(diǎn)，建立層狀節(jié)點(diǎn)網(wǎng)絡(luò)模型。對于網(wǎng)絡(luò)的各節(jié)點(diǎn)，提出大于可信度閾值μ

4、0的規(guī)則，建立故障診斷規(guī)則集，每個(gè)節(jié)點(diǎn)對應(yīng)兩個(gè)規(guī)則集：規(guī)則集1和規(guī)則集2。優(yōu)化故障診斷網(wǎng)絡(luò)主要解決了兩個(gè)方面的問題：一是如何針對完備的或者不完備的待診故障信息，給出盡可能正確的診斷結(jié)果。二是如何在大量的診斷規(guī)則中，盡快地找到與故障信息匹配的診斷規(guī)則。
　　 4.粗糙集與神經(jīng)網(wǎng)絡(luò)集成的故障診斷方法。粗糙集和人工神經(jīng)網(wǎng)絡(luò)在故障診斷方面都有著廣泛的應(yīng)用，二者在知識處理上有一定的互補(bǔ)性，因此將粗糙集與神經(jīng)網(wǎng)絡(luò)相結(jié)合，形成復(fù)合故障診斷系統(tǒng)