基于粗糙集和神经网络的故障诊断虚拟系统的研究-检测技术与自动化装置专业论文.docxVIP

摘要害 摘要 目前，利用多种智能故障诊断技术相结合实现故障诊断已经成为故障诊断 领域研究的一个热点。神经网络凭借自身独特的优势在故障诊断领域发挥着越 来越重要的作用，但是训练数据中大量冗余信息的存在严重制约着神经网络的 诊断效率，而粗糙集理论可以在保持数据分类能力不变的情况下，删除多余的 不相关信息。于是两者的结合就成了一种必然。 本文以构建基于粗糙集一神经网络的故障诊断虚拟系统及其程序实现为目 的，主要做了以下几方面的工作 z ①针对现有的粗糙集…神经网络相结合的故障诊断方法，在分析了目前儿 种常见方法的优缺点的基础上 i提出如下实现方法 z 采用 SOM 神经网络进行连 续属性离散化，属性约简采用基于粗糙集理论的 rosetta 软件中的 Johnson s algorithm 约简算法，采用改进的 BP 神经网络实现故障诊断。 @BP 神经网络中引入七M 算法。该算法结合了高斯牛牛顿法和梯度下降法 两者的优点，从而使网络在学习和训练过程中可以自适应调整网络权债，使网 络能够有效收敛，同时也大大提高了网络的收敛速度和泛化能力. @本文采用面向阁形用户、交互性强、具有强大数据可视化分析能力的 LABVIEW 图形化编程语音进行故障诊断系统的友好用户界面设计:采用编程效率 高、数值计算能力强、具有各种神经网络工具箱的 MATLAB 编服语音实现数据离 散化以及网络的训练和诊断:最后结合某一故障样本数据的实例验证了本系统 的可行性和实用性. 关键词 z 虚拟系统，属性约筒，故障诊断，神经网络， rosetta Abstract Abstract Abstract Abstract 11 11 Abstract Atpr，臼ent，utilizing a variety of intel1igent fault diagnosis technology ∞mbined to achieve fault diagnosis has been a rωearch hot叩ot in the field of fault diagnosis. neural networks is playing an inα:easingly important role 扭曲e field of fault dia伊osis by 由eir own unique advantag倒 ，but a large nwnb即 of redun伽t infonnation in 白.e training da伽 is sev町ely re仰icting 由e efficiency of neural network diagnosis. Moreover，rough setsωn delete otiose and irrelevant infonnation. Therefore，由e combination of 伽n is inevi阳ble. 响le pap时s purpose isωbuild fault diagnosis 悦刷刷1 system b剧创 on rough sets neural network and realize its progr朋1， we have mainly done the following as庐沁tsofwork: ① Aiming 副由e existing method on fault diagnosisωmbined rough set and neural netwo此， b叫∞the anal归is of 也e current adv削ages and disadvantages of 阳町alωmmon meth吨， bring 如，rward to the 岛110wing implemeI酬。n: adopt SOM neural networks to realize the discretization of ∞ntinuous attributes，adopt lohnsons algorithm in the so班ware of Rosetta to realize attribute reduction ，adopt improved BP neural network to realize 曲ult dia伊osis. @ BP neural network was inωducedω L-M algori由m. 白le algori由m ωmbines 也e advantages ofbo曲。f 也e Gauss - Newton and gradient descent m