开题报告粗糙集故障诊断中的应用研究.docVIP

PAGE 毕业设计(论文)开题报告 2011 年 12 月 9 日  开题报告填写要求 1．开题报告（含“文献综述”）作为毕业设计（论文）答辩委员会对学生答辩资格审查的依据材料之一。此报告应在指导教师指导下，由学生在毕业设计（论文）工作前期内完成，经指导教师签署意见及所在专业审查后生效； 2．开题报告内容必须用黑墨水笔工整书写或按教务处统一设计的电子文档标准格式（可从教务处网页上下载）打印，禁止打印在其它纸上后剪贴，完成后应及时交给指导教师签署意见； 3．“文献综述”应按论文的格式成文，并直接书写（或打印）在本开题报告第一栏目内，学生写文献综述的参考文献应不少于15篇（不包括辞典、手册）； 4．有关年月日等日期的填写，应当按照国标GB/T 7408—94《数据元和交换格式、信息交换、日期和时间表示法》规定的要求，一律用阿拉伯数字书写。如“2004年4月26日”或“2004-04-26”。  毕 业 设 计（论 文）开 题 报 告 1．结合毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写 2000字左右的文献综述： 文 献 综 述 1.选题研究的意义 由于生产设备日趋复杂、昂贵，一旦发生运行事故，就会造成极大的经济损失，因此对系统运行状态进行检测与诊断，即故障诊断技术越来越受到人们的重视。智能故障诊断技术是故障诊断领域研究热点之一，特别是基于计算智能的故障诊断，如粗糙集故障诊断系统。 粗糙集理论是一种新型的计算方法，它能有效地分析和处理具有不精确、不一致、不完整等特性的各种不完备信息，是一个强大的数据分析工具，具有良好的容错性能。本文利用粗糙集理论在处理不完备信息方面的独特性能，及其强大的数据分析能力和容错性能，对其在故障诊断中的应用进行了探索性研究。 2.研究的对象 变压器是电力系统的重要设备之一, 也是电力系统的核心部件。电力变压器故障严重影响着电网的可靠性及电力系统运行的正常运行。因此, 正确且快速地诊断变压器故障, 对减少不必要的停用,防止事故进一步扩大, 避免重大的损失具有重要意义。目前, 国内外应用于变压器故障诊断的方法很程中的应用。近年来, 出现了许多人工智能方法, 如神经网络、遗传算法、灰色理论、粗糙集等进行变压器故障诊断, 均取得不错的效果。 3.粗糙集和神经网络的相关理论 （1）粗糙集理论 粗糙集理论建立在分类机制的基础上，并将等价关系对空间的划分与知识等同。粗糙集理论的主要思想是利用已知的知识库，将不精确或不确定的知识用己知的知识库中的知识来(近似)刻画。在粗糙集理论中，“知识”被认为是一种分类能力，也就是将知识理解为对数据的划分。用集合的概念表示就是使用等价关系集R对离散表示的空间U进行划分，知识就是R对U划分的结果。由此，在U和R的意义下，知识库可以定义为:属于R中的所有可能的关系对U的划分，记为。 这样给定一组数据U与等价关系集R，在R下对U的划分，称为知识，记为U/R。如果一个等价关系集对数据的划分存在矛盾，则将导致不确定划分，可用粗糙度来度量。 设，并且R是U上的一个等价关系，称X是R-可定义的，如果X是一些R的等价类的并集;否则，X是R-不可定义的。R-可定义的集合也称R-确切集，R-不可定义的集合也可称作是R-非确切的或R-粗糙集。 集合称为在知识库K中确切的，如果存在一个等价关系，使得X是R-确切的，并且称X在K中是粗糙的，如果X对于任意是R-粗糙的。 粗糙集理论的不确定性是建立在上、下近似的概念之上的。给定知识库 ,令是一个集合，R是一个定义在U上的等价关系，则: 分别称为X的R-下近似集(Lower approximation)和R-上近似集(Upper approximation)。集合X的边界区(Boundary region)定义为： 为集合X的上近似与下近似集之差。如果是空集，则称X关于R是清晰的反之则称集合X为关于R的粗糙集。 在粗糙集理论中，也把称为X的R正域，把称为X的R负域。为清楚起见，用图1来描述一个二维近似空间中集合X的上近似、下近似以及边界的概念。这个空间由划分的基本区域的方形块构成的(U, R)定义。 图1 粗糙集的概念图 （2）BP神经网络 神经网络的基本单元称为神经元，它是对生物神经元的简化与模拟。神经元的特性在某种程度上决定了神经网络的总体特性。大量简单神经元的相互连结即构成了神经网络。一个典型的具有r维输入的神经元模型可以用图2来加以描述。 图2 神经元模型图 由图2可见，一个典型的神经元模型主要由输入、网络权值和阈值、求和单元、传递函数和输出五部分组成。 神经网络的仿真过程实质上是神经网络根据网络输入数据