优化的粗糙神经网络在故障诊断中的应用

摘要

本文在相异度理论的基础上,提出了类间相异度的度量方法,从而以粗糙集理论为属性约简工具,利用相异度理论进行类的泛化和特化,构造出了优化的粗糙神经网络模型.故障诊断实例分析表明,该模型对神经网络分层约简并剔除其中不必要的属性,减少了神经网络的总体训练时间和决策过程中的模式匹配搜索量,大大提高故障诊断系统的反应能力,在大型复杂的故障诊断应用中效果尤为明显.