基于粗糙集的復雜工業(yè)過程故障診斷研究與實現.pdf

1、現代復雜工業(yè)系統(tǒng)中,存在過程高度非線性、狀態(tài)變量維數高、診斷信號粗糙而不完整、各部分強相互關聯(lián)、離散與連續(xù)過程共存等特性,傳統(tǒng)的工業(yè)過程故障診斷技術大多基于精確的數學模型,適用于已知過程機理和特性的工業(yè)系統(tǒng)。而在實際復雜工業(yè)生產過程中,技術工人在對過程機理和數學模型了解甚少的情況下通過觀察和經驗總結,仍然能夠對工業(yè)過程進行良好的手動控制和實時的故障診斷,因此我們完全可以采用機器學習的智能方法模擬人的這種通過觀察學習進行控制的能力。粗糙集

2、理論是一種新的處理不確定不完整性知識的數學工具,其優(yōu)勢在于不需要提供問題所需處理的數據集合之外的先驗信息,通過對知識的簡化和依賴性分析,完全由已知數據導出決策規(guī)則。粗糙集信息系統(tǒng)是一個基于規(guī)則的知識系統(tǒng),不需要對過程進行精確的數學描述,而是對過程進行經驗總結。粗糙集理論為基于知識的故障診斷提供了理論基礎和研究思路。本文正是結合粗糙集理論和復雜工業(yè)過程特點進行的研究,應用粗糙集進行復雜工業(yè)過程故障診斷。首先在分析復雜工業(yè)過程固有特點和貪心

3、算法的基礎上,使用了基于貪心算法和屬性值區(qū)間概率相結合的混合決策表離散化方法,其次根據決策表信息系統(tǒng)的分明矩陣及序貫思想,使用了序貫屬性約簡算法及增量式屬性約簡算法,最后利用上述的離散化方法和屬性約簡方法,結合粗糙集理論能自動獲取工業(yè)生產系統(tǒng)中的狀態(tài)故障知識的特點,給出了一種基于粗糙集理論的故障診斷方法。由于充分考慮了復雜工業(yè)過程的固有特點,本文算法解決了經典粗糙集理論在處理連續(xù)、離散混合屬性決策表離散化時規(guī)則數多、準確率低的問題,避免