神经网络规则提取与其在转子故障诊断中的应用研究.pdfVIP

振 　动 　与 　冲 　击 第 28卷第 3 期 JOURNAL OF V IBRA TION AND SHOCK Vol. 28 No. 3 2009　 神经网络规则提取及其在转子故障诊断中的应用研究 陈　果 (南京航空航天大学 民航学院 ,南京 　2 100 16) 　　摘 　要 : 利用神经网络进行智能诊断所获取的诊断知识难于解释和理解 ,因此限制了其在智能诊断中的进一步应 用 ,基于此 ,研究了一种新的基于功能性观点的神经网络规则提取方法 ,介绍了连续属性离散 、训练样本产生 、神经网络训 练 、示例样本产生及规则提取等关键算法 。并与其他方法进行了比较分析 。最后 ,将方法应用于转子故障诊断 ,通过多功 能转子故障模拟实验台获取故障实验样本 ,利用所提出的神经网络规则提取方法从故障样本中提取了诊断知识规则 ,并 对其进行了解释 ,结果表明了方法的正确性和有效性 。 关键词 : 神经网络 ;规则提取 ;知识获取 ;转子 ;故障诊断 中图分类号 : TP183; TP391; TH 17　　　文献标识码 : A 　　神经网络由于具有优越的非线性映射能力 ,在机 统计的神经网络规则提取方法 SPT,实验表明了 SPT可 械设备故障诊断故 障诊 断 中得到 了极其广泛 的应 以抽取出可理解性好 ,简洁 、紧凑 、保真度高的符号规 用 [ 1, 2 ] 。然而 , 由于神经网络获取的知识蕴涵在大量的 则 。不过 ,该方法的复杂性较高 ,而且在使用过程中需 连接权中难以理解 ,也难以为推理过程给出清晰的解 要进行人为干涉 ,难于实现规则的自动提取 。主要表 释 ,因此 ,从训练好的神经网络中提取知识规则 ,是神 现在两方面 ,其一 ,在对连续属性的离散化处理中 ,寻 经网络智能诊断和神经网络专家系统的迫切需求 。目 找聚类效果好的属性进行离散 ,本身就是比较困难且 前国内外学者对神经网络规则提取进行了大量的研 难于用计算机 自动实现的问题 ;其二 ,在神经网络训练 究 , Gallan t[ 3 ] 率先开展了此方面研究 ,他基于推理强度 中 ,神经网络本身的泛化能力优劣也往往依靠人为 对可用属性进行排序 ,从而构造出可以解释网络如何 判断 。 为某个给定事例产生结论的规则 。Saito 和 N akano[ 4 ] 有鉴于此 ,本文提出一种新的基于功能性观点的 令网络输入逐渐改变 ,通过检查网络的激活度来构造 神经网络规则提取方法 。在连续属性离散中 , 引入了 候选规则集并从中寻找有用的规则 。Fu[ 5 ] 搜索结点的 粗糙集理论中由 S. H. N guyen 和 Skow ron[ 7 ] 提出的布 扇入连接权 ,通过找出权值之和超过阈值的连接权子 尔逻辑与粗糙集理论相结合的经典离散化方法 ,该方 集来抽取规则 。 法可以将离散属性看作连续属性的特例 , 同时进行处 与结构分析方法不同 ,基于功能性分析的神经网 理 ,这在很大程度上降低了计算的复杂性 ;在神经网络 络规则提取方法并不对神经网络结构进行分析和搜 结构设计中 ,引入遗传算法 ,实现神经网络结构 自动优 索 ,而是把神经网络作为一个整体来处理 , 即把神经网 化 , 以保证训练好的神经网络具有最佳的泛化能力 。 络看成 “黑箱 ”。这类方法更注重在功能上对神经网络 同时 ,整个优化过程能够 自动完成 ;在规则提取中 ,提 的重现能力 , 即产生可以替代原来网络的规则 。其基 出了一种分层穷举式的规则提取方法 ,保证了规则提 本原理是 ,用训练好的神经网络对一个示例的输入模 取的完整性和优先次序 。最后将新方法用于转子故障 式进行判别 ,并将其判别