基于粗糙集和微粒群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的柴油機故障診斷方法研究.pdf

1、柴油機是一種復(fù)雜的動力機械，在多個行業(yè)中得到了十分廣泛的應(yīng)用。同時，其發(fā)生故障時的代價較高，使得柴油機的故障診斷技術(shù)成為了當前的一個重要研究課題。本文在分析柴油機故障診斷常用技術(shù)和國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，嘗試給出了一種基于粗糙集（RoughSets，簡稱RS）和微粒群算法（ParticleSwarmOptimization，簡稱PSO）優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法。
　　論文將柴油機故障診斷的全過程分為了兩個重要步驟：故障數(shù)據(jù)的

2、特征提取和利用神經(jīng)網(wǎng)絡(luò)進行故障狀態(tài)識別。其中在故障數(shù)據(jù)的特征提取方面主要是使用粗糙集對故障特征進行了空間維數(shù)的簡化；而在故障狀態(tài)識別方面，則是在已有的故障診斷算法上，使用PSO對用于診斷的BP神經(jīng)網(wǎng)絡(luò)進行了優(yōu)化，使其結(jié)果準確、完整、有效。具體如下：
　　論文討論了故障數(shù)據(jù)的特征提取。由于粗糙集不需要任何額外的信息，僅僅依靠數(shù)據(jù)本身就能發(fā)現(xiàn)數(shù)據(jù)間的關(guān)系，去除冗余信息，因此選用粗糙集理論的核心思想——屬性約簡來進行此項工作。論文采用了

3、用簡化差別矩陣代替?zhèn)鹘y(tǒng)差別矩陣、選擇潛在分辨力最大的屬性加入約簡集、反向消除過程中忽略核屬性等手段，對基于屬性頻率的約簡算法進行了有效改進。實驗仿真表明兩個算法在處理小數(shù)據(jù)集時效率相當；數(shù)據(jù)集較大時，改進后的算法不論是時間、空間還是約簡質(zhì)量均優(yōu)于原算法。
　　針對前饋神經(jīng)網(wǎng)絡(luò)最經(jīng)典的BP算法以梯度下降為學(xué)習(xí)規(guī)則，存在學(xué)習(xí)復(fù)雜，訓(xùn)練時間長，容易陷入局部極值等缺陷，論文采用了一種通過PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)的方法，將神經(jīng)網(wǎng)絡(luò)的每個權(quán)值和閾值

4、分別對應(yīng)微粒的一個分量，定義均方誤差為適應(yīng)值函數(shù)，通過多次迭代運算達到優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的目的。實驗仿真表明優(yōu)化后的神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間、預(yù)測精度等均優(yōu)于BP網(wǎng)絡(luò)。
　　論文將粗糙集理論與優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)相結(jié)合進行故障診斷，以一組實際的柴油機氣門機構(gòu)故障數(shù)據(jù)為樣本開展應(yīng)用研究。為了便于分析，論文加入了BP網(wǎng)絡(luò)、GA-BP網(wǎng)絡(luò)作為對比，在MATLAB中進行仿真實驗。結(jié)果表明，本文研究的柴油機故障診斷方法速度更快，診斷精度更高，效果更好