基于選擇性神經網絡的故障診斷研究.pdf

1、現代工業(yè)生產系統日益大型化、復雜化、自動化，一旦出現事故，將帶來巨大的經濟損失和人員傷亡，如何提高故障診斷技術保證生產系統正常運行已經成為急需解決的問題。
　　本文首先提出了基于選擇性神經網絡的故障診斷方法總體框架。分析了選擇性神經網絡應用于故障診斷的原因及流程，并指出該診斷系統的兩個關鍵技術，一是如何構建選擇性神經網絡集成，二是如何對故障數據進行屬性約簡。
　　針對選擇性神經網絡構建問題，本文提出一種改進的二進制粒子群方法

2、，用該算法進行神經網絡的個體選擇，得到選擇性神經網絡模型。在標準數據集上與二進制粒子群算法、K-均值聚類算法和蟻群算法三種個體選擇方法的分類結果進行對比，結果表明，本文所提出的算法模型的泛化性能得到提高。
　　針對現代工業(yè)生產故障特征多的問題，引入核主元分析方法，并將上述兩種方法結合，建立了核主元分析和選擇性神經網絡的故障診斷模型。通過田納西-伊斯曼過程的仿真試驗和煉鋼廠送風系統的實際案例進行了驗證，結果表明，本文故障診斷模型正確