基于粗糙集和支持向量機(jī)的故障診斷方法研究.pdf

1、隨著計(jì)算機(jī)工程和人工智能技術(shù)的迅速發(fā)展，尤其是知識(shí)工程、粗糙集理論和人工神經(jīng)網(wǎng)絡(luò)在診斷領(lǐng)域中的進(jìn)一步應(yīng)用，故障診斷和檢測(cè)技術(shù)正向智能化方向發(fā)展。粗糙集理論能有效地分析和處理具有不精確、不一致、不完整等特性的各種不完備信息，并從中發(fā)現(xiàn)隱含的知識(shí)，揭示內(nèi)在的規(guī)律，而且不需要任何先驗(yàn)知識(shí)。支持向量機(jī)作為一種專門研究小樣本情況下的學(xué)習(xí)規(guī)律的統(tǒng)計(jì)學(xué)習(xí)理論，具有優(yōu)秀的性能、完備的理論基礎(chǔ)。當(dāng)故障樣本的征兆比較多時(shí)，支持向量機(jī)的學(xué)習(xí)速度會(huì)很慢，直接用

2、這些原始數(shù)據(jù)進(jìn)行故障診斷的效率比較低。粗糙集理論可以在故障診斷之前對(duì)樣本進(jìn)行預(yù)處理，以去掉冗余屬性，在不失數(shù)據(jù)完備性的前提下降低數(shù)據(jù)維數(shù)，簡化診斷過程，提高診斷效率。因此，將支持向量機(jī)與粗糙集理論結(jié)合起來完成故障診斷是很有現(xiàn)實(shí)意義的。
　　 本文利用粗糙集理論在約簡屬性方面的優(yōu)秀性能和支持向量機(jī)分類的機(jī)理，對(duì)其在故障診斷中的應(yīng)用進(jìn)行了探索性研究。本文主要研究了以下幾個(gè)方面的內(nèi)容：
　　 (1)屬性約簡算法。屬性約簡是粗糙

3、集理論研究的核心問題之一，本文對(duì)基于相對(duì)差異比較表的屬性約簡算法[29]進(jìn)行了研究，發(fā)現(xiàn)該算法并不適用處理不相容決策表，為此引入了決策表正域的概念，對(duì)相對(duì)差異比較表進(jìn)行了修正，同時(shí)結(jié)合決策表?xiàng)l件屬性重要性信息，提出了一種改進(jìn)的相對(duì)差異比較表屬性約簡算法，并通過實(shí)例，驗(yàn)證該算法的有效性。
　　 (2)值約簡算法。現(xiàn)有的決策規(guī)則挖掘算法多是以研究屬性約簡過程為主，其實(shí)，值約簡過程也是一個(gè)關(guān)鍵步驟，一個(gè)良好的值約簡算法不僅可以挖掘出最

4、小的決策規(guī)則集，而且可以大大提高挖掘效率。本文提出了一種新的值約簡算法，該算法對(duì)文獻(xiàn)[26]中的算法進(jìn)行了改進(jìn)，在選取規(guī)則時(shí)按照每條規(guī)則的核值屬性的多少進(jìn)行選擇，同時(shí)受屬性約簡中屬性重要性的啟發(fā)，在值約簡過程中加入決策規(guī)則的重要性信息--支持度。通過實(shí)例表明，改進(jìn)的算法與原算法相比挖掘出決策規(guī)則更加簡明，提高了挖掘效率，具有實(shí)用價(jià)值。
　　 (3)設(shè)計(jì)了一種粗糙集與支持向量機(jī)相結(jié)合的故障診斷方法。粗糙集和支持向量機(jī)在故障診斷方面

5、都有著廣泛的應(yīng)用，二者在知識(shí)處理上有一定的互補(bǔ)性，因此將粗糙集與支持向量機(jī)相結(jié)合，形成復(fù)合故障診斷系統(tǒng)，可以提高診斷效率。該方法首先對(duì)樣本數(shù)據(jù)進(jìn)行SOM離散化，利用提出的改進(jìn)方法進(jìn)行屬性約簡，去除冗余數(shù)據(jù)，降低維數(shù)，形成最簡決策規(guī)則，然后把獲得的屬性數(shù)據(jù)作為支持向量機(jī)的訓(xùn)練數(shù)據(jù)，通過求解二次規(guī)劃的優(yōu)化問題得到全局最優(yōu)的支持向量機(jī)。論文結(jié)合實(shí)例，對(duì)測(cè)試數(shù)據(jù)進(jìn)行診斷，證實(shí)了該方法是有效的。
　　 (4)給出小樣本問題上神經(jīng)網(wǎng)絡(luò)和支持