基于粗糙集改进算法的神经网络故障诊断方法.pdf

《基于粗糙集改进算法的神经网络故障诊断方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、·电气与自动化·楼宇舟，等·基于粗糙集改进算法的神经网络故障诊断方法基于粗糙集改进算法的神经网络故障诊断方法楼宇舟，涂俊翔(福州大学机械工程及自动化学院，福建福州350000)摘要：针对BP神经网络在实际工程应用中受到大量冗余信息的制约，以及基于信息熵的属性离散方法的阈值选取具有主观性的缺点．提出了改进的基于信息熵的粗糙集连续属性离散化算法。该算法将Naivescaler离散化算法和信息熵离散化方法相结合，减少了离散化算法中候选离散点的数量：基于粗糙集约简信息决策表，有效解决了BP神经网络训练样本过于庞大的问题；并通过改进的离散化算法对属性约简后数据进行分类，将

2、分类后的数据运用到神经网络运算中，进一步缩短了神经网络的运算时间。通过实例分析表明，该方法具有很好的故障诊断效果，并有效提高了诊断效率。关键词：粗糙集；信息熵；约简；离散化；神经网络；故障诊断中图分类号：TP183文献标志码：B文章编号：1671—5276(2015)05．o204．05ResearchonFaultDiagnosisMethodBasedonImprovedAlgorithminRoughSetL0UYuzhou．TUJunxiang(SchoolofMechanicalEngineeringandAutomation，FuzhouUniver

3、sity，Fuzhou350000，China)Abstract：InviewofBPneuralnetworkinpracticalengineeringapplicationsconstrainedbythelargenumberofredundantinformationandthesubjectivityofattributediscretizationmethodbasedoninformationentropyinthresholdselection，animproveddiscretizationalgorithmforcontinuousattr

4、ibuteinroughsetbasedoninformationentropyisproposed．TheNaivescaleralgorithmiscombinedwithinformationentropydiscretizationmethodinthisalgorithmanditisusedtogreatlyreducesthenumberofcandidatediscretizationpointsandefectivelyhandlesthebigsampleforBPneuralnetworktraining．Theneuralnetworkc

5、omputationtimeisfu~herreducedbyclassifyingthedatasetwithreducedattributesandapplyingtheclassifieddatatotheneuralnetwork．Thepracticalapplicationofthemethodprovesthatithasbeterpedormanceandeficiencyforfaultdiagnosis．Keywords：roughset；informationentropy；reduction；discretization；neuralne

6、twork；faultdiagnosis随着科技进步的发展，现代工业设备大型化、复杂化、现改进了基于信息熵的粗糙集离散化算法．并将粗糙自动化的程度越来越高，为保证各种设备安全和高效地运集理论，BP人工神经网络技术结合起来，提出了一种基于行，智能故障诊断技术应运而生。其中，基于神经网络的粗糙集和神经网络的故障诊断方法。实验结果表明，该方故障诊断方法已进入实用阶段，实际应用有卫星姿态测量法相对于基于单一神经网络的故障诊断方法．具有减小神系统故障诊断、船舶柴油机故障诊断、航天飞机发动机故经网络规模，加快收敛时间等优点。障诊断等。但在_T程实践中，往往存在所选的特征参数

7、过多，使得神经网络规模过于庞大、结构过于复杂、算法收敛1粗糙集理论速度过慢、精度低等问题，影响了故障诊断的可靠性和实用性。1．1知识与不可分辨关系Pawlak教授提出的粗糙集理论(RST)，具有无需提供任何先验信息，直接对已知信息进行分析处理，删除冗余a)知识表达系统和决策系统信息的优势[3]。在设备故障诊断中，将粗糙集理论与神定义1：在粗糙集理论中_6]，一个信息系统被定义为经网络相结合，可以更有针对性地对已有信息进行分析处一个四元组S：(，A，。其中={，，⋯}为一理，删除其中冗余信息，从而降低数据的规模，克服了单一个有限的非空集合，称为论域；A是属性(特征

8、，变量)的非神经网络的拓