基于粗集——神经网络的智能混合故障诊断方法.pdfVIP

基于粗集——神经网络的智能混合故障诊断方法 摘 要：本文针对神经网络用于故障诊断规模较大、样本较多时，训练时间过于漫长的问题， 提出了一种基于粗集——神经网络的智能混合故障诊断模式。本模式应用自组织映射神经网 络的聚类功能，来实现连续属性值的离散化，并用粗集实现了样本条件属性的约简，消除了 样本数据中的冗余信息，使训练样本得到简化，同时降低了神经网络结构的复杂程度，缓解 了影响神经网络实用化的矛盾性问题。实现了基于粗集——神经网络的智能混合故障诊断。 压缩机的实际诊断结果验证了文中提出的故障诊断方案的可行性。 关键词：粗集，故障诊断，自组织映射神经网络，聚类 中图分类号：TP183 1 引 言 神经网络由于其强大的模式分类能力，在智能故障诊断中得到了广泛的应用。人工神经 网络具有并行处理、高度容错和泛化能力强的特点，但当神经网络规模较大、样本较多时， [1] 训练时间过于漫长，这个固有缺点是制约神经网络进一步实用化的一个主要因素 。虽然各 种提高训练速度的算法不断出现，问题远未彻底解决，化简训练样本集，消除冗余数据是另 一条提高训练速度的途径。 本文针对消除冗余数据问题，提出了一种先用粗糙集