基于粗集—神經網絡的智能混合故障診斷系統(tǒng)的研究.pdf

1、神經網絡的故障診斷能力的好壞是與它的學習樣本多少成正比關系的；而神經網絡的結構復雜程度和訓練時間的多少，也與需要處理的數(shù)據(jù)多少成正比關系，也就是說功能強的神經網絡一般都具有復雜的結構；而復雜的神經網絡，需要大量的訓練時間才能收斂，這是制約神經網絡進一步實用化的一個主要因素。如何有效降低神經網絡的復雜度，減少訓練時間是本課題的主要研究任務。 本文利用粗集的約簡功能對訓練樣本數(shù)據(jù)進行處理，消除樣本數(shù)據(jù)中冗余信息，使訓練樣本的到簡化，

2、同時也就降低了神經網絡結構的復雜程度，緩解了影響神經網絡實用化的矛盾性問題。并在此基礎上構建了一個基于粗集—神經網絡的智能混合故障診斷系統(tǒng)。 論文論述了應用粗集對故障數(shù)據(jù)進行約簡的可行性，并應用自組織映射神經網絡的聚類功能，來實現(xiàn)連續(xù)屬性值的離散化方法；給出了簡化的分明矩陣法，并用該方法實現(xiàn)了樣本條件屬性的約簡，消除了樣本數(shù)據(jù)中的冗余信息；采用MATLAB神經網絡工具箱建立了壓縮機的部分故障類型的智能混合診斷系統(tǒng)；最后介紹了智能