基于粗糙集的旋转机械故障诊断知识获取方法研究

摘要

随着现代工业的迅速发展，人们对工业生产设备的安全性和可靠性要求的越来越高。因此，建立和发展智能故障诊断系统，保证常见旋转机械的安全可靠运行，具有非常重要的意义。
　　 旋转机械的故障诊断，主要根据各种症状（如振动频谱、波形特征、轴心轨迹、相关运行参数等），判断出各种故障。在现有的智能故障诊断方法中，如人工神经网络和专家系统，都由于知识和经验描述的多样化和不确定性，知识的获取和有效处理常常成为“瓶颈”。
　　 近年来，基于粗糙集理论的数据分析方法得到了广泛应用，粗糙集理论擅长处理模糊和不精确数据，具有很强的知识获取能力。本文就其在旋转机械故障诊断中的知识获取进行了研究。主要内容包括：
　　 1、全面阐述粗糙集理论的基本概念，对与旋转机械故障诊断知识获取密切相关的概念进行了说明。
　　 2、对旋转机械故障的特点和诊断过程进行了阐述。建立基于粗糙集的知识获取模型，并对已有的知识获取约简算法进行了分析。在此基础上，提出一种关注边界域细化的基于正向近似的规则提取算法。
　　 3、利用提出的算法，以木板材机械的故障数据进行验证，并与原有的约简算法提取结果相比较，证明了本文提出算法的可行性及一定的提高之处。

目录

文摘

英文文摘

声明

第一章 引言

1.1研究背景

1.2研究现状

1.2.1故障诊断方法

1.2.2基于粗糙集的故障诊断方法现状

1.3研究意义

1.4本文研究内容与结构

第二章 粗糙集理论基础

2.1知识与知识库

2.2近似集

2.3知识表达系统与决策表

2.4知识的依赖度和重要性

2.5知识的约简与核

2.6决策规则

2.7本章小结

第三章 旋转机械故障诊断知识获取方法分析

3.1机械故障诊断过程

3.2旋转机械故障主要表现形式

3.3基于粗糙集的知识获取分析

3.3.1基于粗糙集的知识获取模型

3.3.2属性约简和值约简算法

3.4基于正向近似的规则提取算法

3.4.1正向近似

3.4.2算法描述

3.4.3应用实例

3.5本章小结

第四章 木板材机械故障诊断规则提取实例

4.1基于正向近似的木板材机械故障提取

4.2基于区分矩阵的木板材机械故障提取

4.3本章小结

第五章 总结与展望

参考文献

攻读学位期间公开发表的论文

致谢