基于粗糙集和神經(jīng)網(wǎng)絡(luò)的柴油機故障診斷研究.pdf

1、柴油機作為典型的往復(fù)式機械設(shè)備，在整個機械系統(tǒng)中占有重要的地位，然而其結(jié)構(gòu)的復(fù)雜性使得柴油機的故障呈現(xiàn)出多樣性，另外由于工作環(huán)境噪聲、信息采集系統(tǒng)精度、數(shù)據(jù)處理和故障診斷方法的影響，使得柴油機故障診斷的準(zhǔn)確率和效率偏低，因此如何尋找一種快速、有效的故障診斷方法，是目前國內(nèi)外相關(guān)學(xué)者的主要研究內(nèi)容。
　　粗糙集理論可以挖掘數(shù)據(jù)中的冗余信息，實現(xiàn)實驗測點和特征參量的優(yōu)化；人工神經(jīng)網(wǎng)絡(luò)具有較好的容錯性，是目前應(yīng)用較為廣泛的智能化故障診斷

2、方法；信息融合技術(shù)，把多個傳感器的信息進行組合，能夠改善系統(tǒng)的可靠性和可信度。因此本文將粗糙集理論、人工神經(jīng)網(wǎng)絡(luò)和信息融合技術(shù)等智能化診斷方法相結(jié)合，以便達(dá)到更好的故障診斷效果。
　　本文首先闡述了本課題國內(nèi)外的研究現(xiàn)狀，以及粗糙集理論與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的可行性和必要性，其次重點研究了基于粗糙集理論的優(yōu)化問題，通過對現(xiàn)有測點優(yōu)化方法、屬性離散化和約簡算法的歸納總結(jié)，指出目前存在的問題，從而提出了相關(guān)的改進方法：基于屬性依賴度的測

3、點優(yōu)化方法，可以有效區(qū)分不同測點的屬性依賴度，以及各個測點對不同故障工況的敏感程度；改進的NS離散化算法，能夠?qū)崿F(xiàn)在確保不改變信息系統(tǒng)分類能力的前提下，盡量減少斷點的數(shù)目，提高數(shù)據(jù)的抗噪聲能力；改進的基于屬性依賴度的約簡算法，以屬性依賴度和不可分辨關(guān)系共同作為系統(tǒng)分類能力的判斷標(biāo)準(zhǔn)，以約簡的基本條件為指導(dǎo)，應(yīng)用實例論證了方法的正確性和有效性。最后將約簡后的振動與噪聲信號進行特征融合，通過對比RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程和輸出結(jié)果，表明該故障