基于粗糙集与人工神经网络的风机故障诊断
舒服华武汉理工大学机电工程学院摘要：提出了一种粗糙集理论与神经网络集成的风机故障诊断方法。试验结果表明：该方法可以有：效提高风机故障诊断的精度和效率。关键词：风机故障诊断粗糙集神经网络中图分类号：TP118文献标识码：B文章编号：10068155（2007）02007904TroubleDiag
osisBasedo
RoughSeta
dArtificialNeuralNetworkforFa
AbstractA
ewmethodofroughseta
d
eural
etworkforfa
troublediag
osisisprese
tedTestresultshowsthismethodca
improvedtheaccuracya
defficie
cyoffa
troublediag
osisKeywordsFa
Troublediag
osisDoughsetNeural
etwork
0
引言
近几年来，随着人工神经网络（ANN）技术的成熟和完善，极大地推动了故障诊断技术的发展。它具有大规模的并行处理和分布式的信息存储能力、良好的自适应性、自组织性及很强的学习、联想、容错和抗干扰能力，能以任何精度逼近复杂非线性系统。但是人工神经网络拓扑结构的确定缺乏严格的理论依据，通常依靠经验选取如果网络的规模过大，不仅会导致训练时间过长，而且限于局部极小1。粗糙集理论（RoughSetsRS）是一种处理模糊性与不确定性的软计算基础理论，它不需要任何经验知识仅利用数据本身提供的信息就能够表达和处理不完备信息，能在保留关键信息的前提下，对数据的属性进行约简并求得知识的最小表达从中发现隐含知识，揭示潜在的规律4。文献1提出了基于人工神经网络的风机工作状态智能检测方法；文献2提出了基于粗糙集理论的设备故障诊断技术但都存在一定的局限性。本文提出了一种RS理论和ANN融合的风机故障诊断方法。应用粗糙集理论对神经网络的输入数据进行预处理，消除冗余信息提取关键成分，以达到减少输入神经元节点，简化网络结构的目的，这样可以缩短网络训练时间，提高识别精度。因此，利用先进的技术进行风机运行状态监测，及时查清设备隐患，采取相应的措施具有重要意义。
1
诊断模型
11基本思想在通常情况下，由于各种传感器等探测设备获得的并不是很精确的数据信息，而是一些不完善、不一致或相对粗略的信息。这些粗糙的信息集合中含有大量的冗余信息，甚至包含一些错误的信息，如果直接运用这些数据信息进行故障诊断决策往往会增加计算的复杂性和影响诊断的精确性。因此，将粗糙集理论与神经网络技术结合起来，充分利用粗糙集挖掘数据的能力和人工神经网络高度泛化的能力。即先利用自组织映射（SOM）神经网络对连续属性故障诊断系统数据进行离散处理，然后借助粗r