粗糙集——神經(jīng)網(wǎng)絡(luò)在機(jī)械故障診斷中的應(yīng)用研究

《粗糙集——神經(jīng)網(wǎng)絡(luò)在機(jī)械故障診斷中的應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、太原理：【大學(xué)碩士研究生學(xué)位論文粗糙集一神經(jīng)網(wǎng)絡(luò)在機(jī)械故障診斷中的應(yīng)用研究摘要本文分析了近年來故障診斷技術(shù)的研究現(xiàn)狀和故障智能診斷系統(tǒng)的發(fā)展現(xiàn)狀，對(duì)現(xiàn)有的各種故障診斷方法進(jìn)行了分析與評(píng)述，介紹了故障診斷技術(shù)的理論基礎(chǔ)，指出了現(xiàn)有故障診斷系統(tǒng)中存在的問題和局限。本文研究的重點(diǎn)在于基于差別矩陣屬性約簡(jiǎn)的改進(jìn)算法，并將該屬性約簡(jiǎn)改進(jìn)算法和神經(jīng)網(wǎng)絡(luò)理論相結(jié)合應(yīng)用到旋轉(zhuǎn)機(jī)械及軸承的故障診斷之中。以大型旋轉(zhuǎn)機(jī)械和軸承故障診斷為例，改進(jìn)了粗糙集理論與神經(jīng)網(wǎng)絡(luò)集成的故障診斷實(shí)施方案：首先應(yīng)用基于差別矩陣的改進(jìn)算法對(duì)旋轉(zhuǎn)機(jī)械振動(dòng)和軸承故障診斷的決策系統(tǒng)進(jìn)

2、行約簡(jiǎn)，得到更為簡(jiǎn)明的最優(yōu)診斷規(guī)則；然后根據(jù)最優(yōu)決策系統(tǒng)建立Elman和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷。實(shí)際運(yùn)算表明基于差別矩陣的改進(jìn)算法簡(jiǎn)單明了，計(jì)算量小，簡(jiǎn)化了網(wǎng)絡(luò)結(jié)構(gòu)，提高了訓(xùn)練效率。針對(duì)軸承故障診斷中數(shù)據(jù)量大和屬性多的特點(diǎn)，本文采用分塊決策表和分塊矩陣的策略來處理，彰顯出基于差別矩陣的改進(jìn)算法在處理大數(shù)據(jù)時(shí)的優(yōu)越性。本文的主要?jiǎng)?chuàng)新性工作如下：1．對(duì)粗糙集中基于差別矩陣屬性約簡(jiǎn)算法進(jìn)行改進(jìn)：即通過對(duì)矩陣中單屬性元素及包含單屬性的元素?cái)?shù)學(xué)最簡(jiǎn)化，使計(jì)算量大為減少，并且減少了出錯(cuò)機(jī)率。2．重點(diǎn)討淪了相容和不相容決策表在計(jì)算差別矩陣時(shí)的差異，

3、對(duì)不相容決策表在計(jì)算差別矩陣時(shí)可能出現(xiàn)的錯(cuò)誤進(jìn)行了研究，指出了可改進(jìn)之處，并針對(duì)不相容決策表中的基于差別矩陣屬性約簡(jiǎn)算法提出了改進(jìn)。3．將改進(jìn)J，的粗糙集理論與Elman網(wǎng)絡(luò)集成的故障診斷實(shí)施方案應(yīng)用；太原理工大學(xué)碩士研究生學(xué)位論文到旋轉(zhuǎn)機(jī)械故障診斷研究中，在Matlab平臺(tái)上進(jìn)行了實(shí)驗(yàn)驗(yàn)證。比較驗(yàn)證了采用該方案的優(yōu)越性。4．用基于差別矩陣的改進(jìn)算法和BP網(wǎng)絡(luò)相結(jié)合來對(duì)軸承進(jìn)行故障診斷，數(shù)字仿真結(jié)果表明采用該方法完全正確。并且本文與采用其他方法迸‘行軸承故障謬斷作了對(duì)比研究，采用本文方法在處理數(shù)據(jù)爵袂速，不容易出錯(cuò)。關(guān)鍵詞：粗糙集，神經(jīng)

4、網(wǎng)絡(luò)，差別矩陣，屬性約簡(jiǎn)，故障診斷太原理工大學(xué)碩士研究生學(xué)位論文ARESEARCHoNTHEAPPLICATloNoFTHERoUGHSET-NEURALNETWORKINMACHINERYFAULTDIAGNOSISABSTRACTInthispaper,thegeneralsituationofthefaultdiagnosistechnologyandtheintelligentfaultdiagnosissystemintherecentyearsisintroduced，andthevariousexistingfaultdi

5、agnosismethodsareanalyzedandevaluated．Intheend，therationalefordiagnosisisintroducedandtheexistingproblemsofthefaultdiagnosissystemareproposed．Thefocusofthestudyisonthereductionandimprovementofalgorithmonthebasisofthediscemibilitymatrixattribute，onthecombinationofthisimpr

6、ovedalgorithmintheroughsettheorywiththeneuralnetworktheory,aswellasontheirapplicationinthefaultdiagnosisoftherotatingmachineryandbearings．Withfaultdiagnosisofrotatingmachineryandbearingsasexample，theimprovementofalgorithmonthebasisofthediscernibilitymatrixattributeisappl

7、iedtoreductionofincompletedecisionsystemtofindnecessaryconditionsfordiagnosis．Basedontheoptimaldecisionsystemobtainedfromthereductions，ElmanandBPneuralnetworkaredesignedforfaultidentification．Theapplicationofthereduceddecisionsystemtotheneuralfaultclassifierindicatedthat

8、theimprovementofalgorithmbasedreductionreducesthedimensionofinputtoneuralnetwork，andraisestheefficiency