粒計算——神經(jīng)網(wǎng)絡算法及其在旋轉(zhuǎn)機械故障診斷中的應用.pdf

1、本論文在進行粒計算和人工神經(jīng)網(wǎng)絡的理論研究的基礎上，進一步將兩者結合起來，提出了粒計算——神經(jīng)網(wǎng)絡算法，并將其應用到旋轉(zhuǎn)機械故障診斷之中。
　　 粒計算理論(Granular computing theory，GrC)是美國學者T.Y. Li n 教授提出的，他曾指出“粒計算理論是數(shù)據(jù)約簡的一個好工具”。粒計算從不同粒層次上研究問題，主要用于處理不確定的、模糊的、不完整的和海量的信息，是信息處理的一種新的概念和計算范式，覆蓋了所

2、有有關粒的理論、方法、技術和工具的研究。作為一種新的智能信息處理技術，粒計算屬于“軟計算”的一種，在近幾年受到國內(nèi)外學者的廣泛關注。人工神經(jīng)網(wǎng)絡(Artificial Neural Networks，ANN)因其具有自學習、自組織、容錯性好和并行處理信息等能力，廣泛地應用于各種領域。
　　 本文在此基礎上提出的粒計算——神經(jīng)網(wǎng)絡松耦合算法將粒計算與人工神經(jīng)網(wǎng)絡相結合，各取其優(yōu)點，優(yōu)勢互補，其核心思想是將粒計算作為神經(jīng)網(wǎng)絡的前端處

3、理器，即利用粒計算理論強大的約簡能力對原始信息進行化簡，從而得到與原始信息等價的最小屬性集，最后構建基于最小屬性集的神經(jīng)網(wǎng)絡，從而進行網(wǎng)絡訓練。實驗證明，基于粒計算的約簡算法簡單明了，計算量小，簡化了網(wǎng)絡結構，提高了訓練效率。另外，本文還提出了二進制粒神經(jīng)網(wǎng)絡(Binary Granular Computing Neural Networks,BGrCNN)模型，該模型將二進制粒與神經(jīng)網(wǎng)絡緊密地融合在一塊，構建了一種新的神經(jīng)網(wǎng)絡。該模型

4、的輸入輸出及其運算過程均為二進制數(shù)，能大大提高網(wǎng)絡的訓練時間。
　　 本文的主要創(chuàng)新成果有：
　　 1) 首次將基于Rough 集的粒計算與人工神經(jīng)網(wǎng)絡相結合，各取其優(yōu)點，建立了粒計算—人工神經(jīng)網(wǎng)絡的模型。粒計算是對數(shù)據(jù)進行約簡的一種方法，人工神經(jīng)網(wǎng)絡是對數(shù)據(jù)進行分類的一種手段，二者的結合可以彼此加強處理數(shù)據(jù)的能力。
　　 2)提出粒計算—人工神經(jīng)網(wǎng)絡故障診斷算法，以改進人工神經(jīng)網(wǎng)絡在故障診斷應用中的內(nèi)在缺點。<