基于粗糙集—神经网络的智能混合故障诊断系统的开发

《基于粗糙集—神经网络的智能混合故障诊断系统的开发》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浙江工业大学硕士研究生学位论文基于粗糙集一神经网络的智能混合故障诊断系统的开发摘要目前，智能混合故障诊断系统已成为故障诊断领域的研究热点。用于神经网络诊断的训练数据和诊断数据存在冗余，会影响神经网络的诊断效率；而粗糙集能在保持决策表分类能力不变的情况下，删除其中不相关或不重要的知识；所以，两者相结合将具有使故障诊断系统更加高效实用的潜力。本文以构建基于粗糙集—神经网络的智能混合故障诊断系统及其程序实现为目的，在两个方面推进了相关工作：第一，在前人研究工作的基础上，进一步优化了故障诊断的实现方法，主要

2、包括以下内容：(1)采用SOM神经网络实现对训练样本数据的离散化。该网络通过自组织方式利用大量的训练样本数据来调整网络权值，离散化过程只需人为指定聚类数目，离散结果能比较客观地反映数据分布情况。(2)采用基于属性频率函数的启发式属性约简算法实现对离散化后数据构成的决策表进行约简。该算法使用核作为计算约简的出发点，引入属性重要性这一度量作为启发式信息；在一般情况下，能保证求得决策表的最小约简即最优约简。(3)采用引入L．M算法的BP神经网络对最优决策表进行网络训练。由于L．M算法的收敛速度要比一般的梯

3、度下降法快得多，所以L．M算法的引入可以改善BP网络的收敛速度，从而缩短网络训练时间，提高浙江工业大学硕士研究生学位论文效率。第二，在完善理论方法的基础上进行可视化编程，形成基本完整的故障诊断计算机应用程序。本文采用面向图形用户、交互性强、程序开发周期短、见效快的VB编程语言实现智能混合故障诊断系统的友好用户界面设计；采用编程效率高、数值计算能力强、具有神经网络工具箱的MATLAB编程语言实现数据离散化、数据约简以及网络训练和诊断；并采用ActiveX自动化技术和COM组件技术实现MATLAB程序与

4、VB程序的无缝联接，实现软件界面的统一；最后采用某一故障样本数据为对象验证了本系统的可行性和有效性。关键词：粗糙集神经网络智能混合故障诊断VBMATLABActiveXCOMn浙江工业大学硕士研究生学位论文DEl忸LOPMENTOFINTELLIGENTHYBR【DFAUL，TDIAGNOSISSYSTEMBASEDONROUGHSETSANDNEI瓜AI，NETWORKSABSTRACTAtpresent,intelligenthybridfaultdiagnosissystemhasbeenar

5、esearchhotspotinthefieldoffaultdiagnosis．Ifthetrainingdataanddiagnosticdatausedinneuralnetworksdiagnosishaveredundantinformation，itwillaffectthediagnosticefficiency；whereas，roughsetscandeleteirrelevantorunimportantinformationundertheconditionofkeepingt

6、heclassifiedabilityofdecisiontable；SO，combiningthemwillmakethefaultdiagnosissystemmoreefficientandpractical．Thepaper’Spurposeistoestablishanintelligenthybridfaultdiagnosissystembased011roughsetsandneuralnetworksandrealizeitsprogram．Thepaperpushesthecor

7、relationworksintwoaspects．Firstly,onthebasisofpredecessor,optimizestherealizationmethodoffaultdiagnosisfurtherly,whichmainlycontainsfollowingcontent：(1)AdoptSOMneuralnetworkstorealizethediscretizationoftrainingdata．Thisneuralnetworksuseabundanttraining

8、datatoadjustthenetworks’powervaluebyself-organizing，andtheprocessonlyneedstobegiventheHI浙江工业大学硕士研究生学位论文clusteringnumber,theresultofdiscrefizationcallreflectdata’sdistributionobjectively．(2)Adoptheuristicattributereductionalgorithmbasedo