基于粗糙集和粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究.pdf

1、隨著現(xiàn)代化生產(chǎn)設(shè)備日趨大型化、精密化和自動(dòng)化,設(shè)備故障也呈現(xiàn)出隨機(jī)性、多樣性和滯后性等特點(diǎn),并且一種故障的形成往往是由多種因素所造成的。這就使得傳統(tǒng)的故障診斷與檢測(cè)技術(shù)很難適用于大型復(fù)雜系統(tǒng)的故障診斷。因此故障診斷技術(shù)的研究重點(diǎn)逐漸向著人工智能混合技術(shù)的方向發(fā)展,如人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network, ANN)和粗糙集(Rough Set,RS)的融合技術(shù)等,已經(jīng)在故障診斷中廣泛應(yīng)用。
　　本文旨在將

2、粗糙集理論、人工神經(jīng)網(wǎng)絡(luò)和粒子群優(yōu)化算法所組合的混合智能算法引入到故障診斷領(lǐng)域,并以診斷精度為目標(biāo),結(jié)合實(shí)際案例作為研究對(duì)象,研究上述人工智能算法在故障診斷中的應(yīng)用。論文的主要內(nèi)容如下:
　　首先,論文分析了設(shè)備故障診斷的重要性,總結(jié)了目前故障診斷技術(shù)常用理論和方法,并分析了各種診斷方法的適用范圍和優(yōu)缺點(diǎn)。在此基礎(chǔ)上提出了以粗糙集理論、BP神經(jīng)網(wǎng)絡(luò)與粒子群算法相融合的智能算法進(jìn)行故障診斷的思想。
　　其次,分別敘述了RS理論

3、、BP網(wǎng)絡(luò)、PSO的原理以及其學(xué)習(xí)算法過程。
　　然后,分析了RS和ANN相結(jié)合的可能性,設(shè)計(jì)了RS和PSO優(yōu)化BP網(wǎng)絡(luò)的故障診斷模型。按照該故障診斷模型的次序,分別研究了RS連續(xù)屬性離散化和屬性約簡(jiǎn)的方法,由于這兩種方法影響到故障特征處理的效果,故經(jīng)過對(duì)比分析,本文研究了聚類能力較強(qiáng)的自組織映射網(wǎng)絡(luò)(SOM)對(duì)樣本數(shù)據(jù)進(jìn)行離散化處理;接著研究了計(jì)算方便,準(zhǔn)確性較好的差別矩陣改進(jìn)算法對(duì)樣本數(shù)據(jù)進(jìn)行屬性約簡(jiǎn),從而得到最小屬性核;另外