摘要:为了克服诊断系统所依据的实时信息,在信息形成和传递过程可能产生信息的畸变而导致故障诊断结果的错误,本文在基于粗糙集理论(Rough Set Theory-RST)高压输电线系统故障诊断模型的研究基础上,充分利用神经网络(Neural Networks-NN)的自学习、泛化能力和粗糙集理论强大的定性分析能力,构造了RST与NN相结合的故障诊断模型.通过RST从诊断样本中提取领域知识,发现问题所隐藏的规则,在此基础上利用诊断对象知识属性去形成诊断NN的初始结构,进而增强了诊断NN的智能性和容错性.通过高压输电线路系统故障诊断的仿真测试结果比较,证明了该模型的简单、有效和通用性,并且能在诊断信息不完整的情况下,具有高的诊断容错性能,因此其具有广泛的应用前景.