粗糙集神经网络故障诊断方法研究

摘要

文章分析了最近几年来故障诊断技术和诊断系统的发展现状，对常见的几种故障诊断方法进行了简要的评述，分析了故障诊断技术的理论基础，研究了基于粗糙集神经网络集成的智能诊断专家模型。
　　本文的主要工作包括以下几点内容:
　　(1)通过时域和频域方法对齿轮箱振动信号进行特征分析，分析结果未能满足故障诊断的要求，本文采用子带能量特征提取方法完成信号的特征值提取。
　　(2)采用SOM网络对原始故障数据中的连续属性进行离散化;本文采用基于差别矩阵的属性约简算法，并对其改进算法进行研究:即对矩阵中的单属性元素和包含单属性元素的其他元素加以处理，使计算量大为减少，提高计算效率。
　　(3)着重分析了相容决策表和不相容决策表在计算差别矩阵时的不同，对不相容决策表在生成差别矩阵时可能出现的错误进行了研究，并指出可改进之处，最后对不相容决策表中基于差别矩阵的约简算法进行了分析。
　　(4)用基于差别矩阵的改进算法和BP网络相结合来进行齿轮箱的故障诊断，诊断结果表明该集成系统在故障诊断中是可行的。并将此方案与其他诊断方法作对比研究，结果表明采用这种方法不仅可以得到令人满意的诊断结果，而且计算过程非常简便，诊断时间和步数都得到了很大程度的减少。

目录

声明

摘要

符号说明

第一章 绪论

1．1 研究意义

1．2 故障诊断技术的国内外现状和发展趋势

1．2．1 国内外现状

1．2．2 发展趋势

1．3 故障诊断基本方法

1．3．1 基于系统数学模型的诊断方法

1．3．2 基于信号分析和处理的方法

1．3．3 基于人工智能的故障诊断方法

1．4 粗糙集神经网络诊断系统的研究现状

1．5 论文的主要研究内容

第二章 粗糙集理论概要

2．1 知识的概念

2．1．1 知识与不可分辨关系

2．1．2 知识的划分

2．2 知识的表达

2．2．1 知识表达系统

2．2．2 知识约简和核

2．2．3 知识的相对约简和相对核

2．3 粗糙集的度量

2．3．1 集合的近似精度和粗糙度

2．3．2 近似分类精度和近似分类质量

2．3．3 知识的依赖度

2．3．4 参数重要性

2．4 本章小结

第三章 属性约简算法研究

3．1 连续属性的离散化

3．1．1 离散化定义

3．1．2 几种连续属性离散化的方法

3．2 粗糙集一般约简算法

3．3 基于差别矩阵的属性约简算法

3．3．1 差别矩阵的定义

3．3．2 基于差别矩阵的属性约简算法

3．3．3 改进算法

3．3．4 不相容决策表的差别矩阵

3．4 本章小结

第四章 人工神经网络

4．1 人工神经网络的特性

4．2 BP神经网络

4．2．1 BP神经元和BP网络模型结构

4．2．2 BP网络学习算法

4．3 神经网络在故障诊断中的应用

4．3．1 确定神经网络的输入和输出

4．3．2 网络结构的选择

4．3．3 网络的训练和检验

4．4 本章小结

第五章 粗糙集神经网络的应用研究

5．1 诊断模型的提出

5．2 特征值提取

5．2．1 齿轮的常见失效形式

5．2．2 齿轮振动信号的时、频域分析

5．2．3 齿轮的子带能量特征提取法

5．3 数据的归一化

5．4 离散化

5．5 基于差别矩阵的属性约简

5．6 BP神经网络诊断

5．7 本章小结

第六章 结论

6．1 全文总结

6．2 工作展望

致谢

参考文献

攻读硕士学位期间发表的论文