粗糙集_神经网络与证据理论融合推理的综合故障诊断方法研究_杨广

《粗糙集_神经网络与证据理论融合推理的综合故障诊断方法研究_杨广》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第３７卷第１期武汉理工大学学报（交通科学与工程版）Ｖｏｌ．３７Ｎｏ．１２０１３年２月ＪｏｕｒｎａｌｏｆＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙＦｅｂ．２０１３（ＴｒａｎｓｐｏｒｔａｔｉｏｎＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ）粗糙集－神经网络与证据理论融合推理的综合故障诊断方法研究＊杨广１）２）１）１）吴晓平辛登松李庆（海军９１９１８部队１）２）北京１０２３００）（海军工程大学信息安全系武汉４３００３３）摘要：针对目前故障诊断方法处理数据量大、故障类型复杂多变的问题时存在诊断准确率不高、实时性差，利用信息融合和综合集成原理，将粗

2、糙集、神经网络及证据理论有机的结合，提出了基于三者集成的综合故障诊断融合推理策略：通过并行神经网络结构提高局部诊断网络的诊断能力，借助粗糙集的数据预处理，将复杂的神经网络约简并剔除其中的冗余属性从而确定网络的拓扑结构，克服了网络规模过于庞大和分类速度慢的缺点；并给出了基本可信度分配的客观化方法；充分利用各种故障的冗余和互补信息，运用证据理论的组合规则对各证据进行合成及决策，可显著提高故障诊断的准确性和效率．给出的实例验证了该方法的可行性和有效性．关键词：故障诊断；信息融合；粗糙集；神经网络；证据理论中图法分类号：Ｕ６７１．９９；ＴＰ１８３ｄｏｉ

3、：１０．３９６３／ｊ．ｉｓｓｎ．２０９５－３８４４．２０１３．０１．０１５在故障诊断过程中，为了提高诊断的精度和提取关键特征；再运用并行集成神经网络对粗糙可靠性，应用信息融合技术，融合多传感器数据及集融合处理后的特征数据进行特征层融合，可有其他途径的信息，以求更准确、全面地认识和描述效的简化各个神经网络结构，缩短网络训练时间，［１－２］诊断对象，从而做出正确的判断和决策．神经获得网络的局部诊断结果（每个局部诊断结果形网络具有大规模并行处理和分布式信息存储能成一个证据体），并得到基本可信度分配的客观化力、良好的自适应、学习、联想、容错功能，但用神

4、方法；最后运用Ｄ－Ｓ证据理论对各局部诊断结果经网络进行信息融合，其拓扑结构的确定是个难（各证据体）进行决策层融合，得到综合诊断结果．点，如网络的规模过大，过量的冗余数据不仅导致网络训练速度过慢、训练时间过长，而且易限于局１诊断系统结构及原理分析［３］部极小．证据理论具有比概率论更弱的公理体系和更严谨的推理过程，能够更加客观的反映事１．１诊断系统结构［４－５］物的不确定性，但用证据理论进行信息融合，综合诊断系统共分为３大模块：数据预处理其基本可信度分配的主观性仍然是一个亟须解决模块、神经网络初级局部诊断模块、Ｄ－Ｓ证据理论［６］的问题．决策融合诊

5、断模块．诊断系统的结构见图１．本文分析了粗糙集、神经网络、证据理论信息１．２数据层融合融合方法各自优缺点，运用综合集成原理，将三者诊断系统由数据预处理模块通过粗糙集对特进行有机的融合，提出了３种方法融合推理的综征参数进行属性约简和特征知识提取，提取诊断合故障诊断策略．即用粗糙集理论对原始征兆数关键参数，剔除冗余信息，并作为相应局部诊断神据进行预处理，进行数据层融合，约简冗余信息，经网络的输入层．收稿日期：２０１２－１１－１０杨广（１９８０－）：男，博士，工程师，主要研究领域为系统工程及智能故障诊断＊国家自然科学基金项目资助（批准号：７０４７１０

6、３１，６０７７４０２９）第１期杨广，等：粗糙集－神经网络与证据理论融合推理的综合故障诊断方法研究·６３·ｐ（Ｙｊ｜Ｘｉ）＝ｐ（ＸｉＹｊ）／Ｐ（Ｘｉ）＝ｃａｒｄ（Ｘｉ∩Ｙｊ）／ｃａｒｄ（Ｘｉ）ｓｔｅｐ５：Ｒ←Ｒ∪｛ａ｝，其中：ＳＧＦ（ａ，Ｒ，Ｄ）＝ｍａｘ｛ＳＧＦ（ｃ，Ｒ，Ｄ）｝；ｃ∈（Ｃ－Ｒ）ｓｔｅｐ６：计算γ（Ｃ，Ｄ）；Ｉｆγ（Ｒ，Ｄ）＝γ（Ｃ，Ｄ），Ｔｈｅｎｔｕｒｎｔｏ（７）；Ｏｒｅｌｓｅｔｕｒｎｔｏ（４）．ｓｔｅｐ７：输出Ｒ．１．３特征层融合图１信息融合综合诊断系统结构框图将通过粗糙集预处理后的特征参数送入神经１．２．１连续数据的离散化粗糙

7、集只能处理离网络初级诊断模块，用并行神经网络从不同侧面散化数据，而原始故障诊断决策系统中的数据往对设备进行诊断，将高维的征兆空间分解成为较往是连续的．因此，必须先对原始故障诊断决策系低维的征兆空间，减少了网络迭代次数，也可以最统中的数据进行离散化处理．大限度地提高了诊断的实时性和准确率．离散化方法有很多，各种离散化方法具有其考虑到ＲＢＦ网络、概率神经网络都存在“维自身优势．在实际应用中，通常是根据领域特点，［８］数灾”现象；另，ＲＢＦ比ＢＰ网络需要多得多的探寻比较合适的算法．本文给出利用ＳＯＦＭ神经隐含层神经元来完成工作，需要很多的训练向量［７

8、］网络对连续属性值进行离散化处理的方法，离才有较好的效果，因此系统采用３层ＢＰ神经网散过程只需要人为指定聚类数目，得到的离散结络来实现对单项数据的局部