基于粗糙集和支持向量機(jī)的智能故障診斷方法研究.pdf

1、隨著控制理論、信號(hào)處理、人工智能、模式識(shí)別等學(xué)科技術(shù)的發(fā)展，故障診斷技術(shù)也在不斷朝著智能化的方向發(fā)展。各國(guó)都開(kāi)展了這方面的研究，并且取得了豐富的研究成果。目前智能故障診斷面臨的主要難題是典型故障樣本的嚴(yán)重不足以及診斷知識(shí)的發(fā)現(xiàn)問(wèn)題，這兩者都制約著故障診斷的發(fā)展，支持向量機(jī)和粗糙集理論為這些問(wèn)題的解決提供了很好的途徑。 本文以支持向量機(jī)在故障診斷應(yīng)用中需要解決的關(guān)鍵問(wèn)題為主線(xiàn)，在基于粗糙集理論的連續(xù)屬性離散化、故障樣本的屬性約簡(jiǎn)、

2、故障分類(lèi)器模型的建立等方面進(jìn)行了較為系統(tǒng)、深入的研究。完成的主要內(nèi)容如下： 1.粗糙集理論是一種基于離散數(shù)據(jù)進(jìn)行處理的方法，為此提出了一種基于區(qū)間數(shù)據(jù)分布特征的連續(xù)屬性離散化的方法。該方法在斷點(diǎn)的選擇上考慮了屬性值的出現(xiàn)頻率，在區(qū)間內(nèi)的一致性和區(qū)間之間的差異性基礎(chǔ)上，利用條件信息量作為反饋信息合并區(qū)間，使得屬性擁有較少的分割點(diǎn)，使規(guī)則集合更加簡(jiǎn)潔。 2.提出了一種基于差別矩陣的啟發(fā)式屬性約簡(jiǎn)算法。該算法在綜合考慮了所選擇

3、條件屬性與決策屬性的互信息及條件屬性的取值分布情況的基礎(chǔ)上，從信息論角度定義了一種新的屬性重要性度量參數(shù)，并將其作為基于差別矩陣屬性約簡(jiǎn)的啟發(fā)式信息，獲得了比較理想的約簡(jiǎn)結(jié)果。 3.一般支持向量機(jī)只能解決兩分類(lèi)的問(wèn)題，但是在實(shí)際的情況中往往多數(shù)是多值分類(lèi)的問(wèn)題。本文對(duì)支持向量機(jī)的兩分類(lèi)以及多分類(lèi)算法的實(shí)現(xiàn)進(jìn)行了研究，通過(guò)仿真分析比較了不同多分類(lèi)方法的性能及特點(diǎn)。 4.為了提高故障診斷的效率和可靠性，把粗糙集理論和支持向量