基于粗糙集與人工神经网络的风机故障诊断.docVIP

PAGE PAGE 5 基于粗糙集与人工神经网络的风机故障诊断 舒服华/武汉理工大学机电工程学院 摘要：提出了一种粗糙集理论与神经网络集成的风机故障诊断方法。试验结果表明：该方法可以有效提高风机故障诊断的精度和效率。 关键词：风机 故障诊断 粗糙集 神经网络 中图分类号：TP118 文献标识码：B 文章编号：1006-8155（2007）02-0079-04 Trouble Diagnosis Based on Rough Set and Artificial Neural Network for Fan Abstract: A new method of rough set and neural network for fan trouble diagnosis is presented. Test result shows: this method can improved the accuracy and efficiency of fan trouble diagnosis. Key words: Fan Trouble diagnosis Dough set Neural network 0 引言 近几年来，随着人工神经网络（ANN）技术的成熟和完善，极大地推动了故障诊断技术的发展。它具有大规模的并行处理和分布式的信息存储能力、良好的自适应性、自组织性及很强的学习、联想、容错和抗干扰能力，能以任何精度逼近复杂非线性系统。但是,人工神经网络拓扑结构的确定缺乏严格的理论依据，通常依靠经验选取,如果网络的规模过大，不仅会导致训练时间过长，而且限于局部极小[1]。粗糙集理论（Rough Sets,RS）是一种处理模糊性与不确定性的软计算基础理论，它不需要任何经验知识,仅利用数据本身提供的信息就能够表达和处理不完备信息，能在保留关键信息的前提下，对数据的属性进行约简并求得知识的最小表达,从中发现隐含知识，揭示潜在的规律[4]。文献[1]提出了基于人工神经网络的风机工作状态智能检测方法；文献[2]提出了基于粗糙集理论的设备故障诊断技术,但都存在一定的局限性。本文提出了一种RS理论和ANN融合的风机故障诊断方法。应用粗糙集理论对神经网络的输入数据进行预处理，消除冗余信息,提取关键成分，以达到减少输入神经元节点，简化网络结构的目的，这样可以缩短网络训练时间，提高识别精度。因此，利用先进的技术进行风机运行状态监测，及时查清设备隐患，采取相应的措施具有重要意义。 1 诊断模型 1.1 基本思想 在通常情况下，由于各种传感器等探测设备获得的并不是很精确的数据信息，而是一些不完善、不一致或相对粗略的信息。这些粗糙的信息集合中含有大量的冗余信息，甚至包含 一些错误的信息，如果直接运用这些数据信息进行故障诊断决策,往往会增加计算的复杂性和影响诊断的精确性。因此，将粗糙集理论与神经网络技术结合起来，充分利用粗糙集挖掘数据的能力和人工神经网络高度泛化的能力。即先利用自组织映射（SOM）神经网络对连续属性故障诊断系统数据进行离散处理，然后借助粗糙集理论，利用遗传算法对决策系统进行属性约简，提取诊断规则用于故障识别，最后在约简的故障诊断决策系统的基础上,建立径向基函数（RBF）神经网络，利用其模式识别能力完成风机故障诊断。 1.2 主要技术 1.2.1 数据离散化 ___________________收稿日期:2006-10-19 武汉市 430070RS只能处理离散属性值，而原始故障诊断系统的属性值是连续的，因此必须对决策系统中的数据进行离散化处理。目前对连续量离散化的方法很多，笔者采用的是自组织映射神经网络方法。它是一种无监督自组织竞争学习型前馈神经网络，能通过自组织方式利用大量的训练样本数据来调整网络权值，分类结果较为客观反映数据的实际分布情况。具体步骤[3]：（1）给定SOM网络初始权值m=2；（2）给定条件属性初始维数d=1；（3）将第d维条件属性按大小排序；（4）用SOM网络对排序后的第d维条件属性值进行分类；（5）把相邻两类边界属性值的均值作为二类的分界值；（6）用条件属性量化参数对该维条件属性进行量化；（7）赋值d=d+1，返回步骤（3）直到最后一维条件属性；（8）检查数据表是否相容，若相容，停止 ___________________ 收稿日期:2006-10-19 武汉市 430070 1.2.2 知识属性约简 属性约简的基本思想是采用某种衡量标准确定不同属性的重要程度,构造最小子集。基于RS理论的知识约简方法分两个步骤：一是从决策表删除一