东北大学学报(自然科学版) ›› 2003, Vol. 24 ›› Issue (3): 252-255.DOI: -

• 论著 • 上一篇    下一篇

粗糙集-神经网络故障诊断方法研究

郝丽娜;王伟;吴光宇;王宛山   

  1. 东北大学机械工程与自动化学院;东北大学机械工程与自动化学院;上海宝信软件股份有限公司;东北大学机械工程与自动化学院 辽宁沈阳110004
  • 收稿日期:2013-06-23 修回日期:2013-06-23 出版日期:2003-03-15 发布日期:2013-06-23
  • 通讯作者: Hao, L.-N.
  • 作者简介:-
  • 基金资助:
    教育部科学技术研究重点资助项目 ( 2 0 0 0 3 2 )

Research on rough set-neural network fault diagnosis method

Hao, Li-Na (1); Wang, Wei (1); Wu, Guang-Yu (2); Wang, Wan-Shan (1)   

  1. (1) Sch. of Mech. Eng. and Automat., Northeastern Univ., Shenyang 110004, China; (2) Shanghai Baosight Software Co. Ltd., Shanghai 201900, China
  • Received:2013-06-23 Revised:2013-06-23 Online:2003-03-15 Published:2013-06-23
  • Contact: Hao, L.-N.
  • About author:-
  • Supported by:
    -

摘要: 从人工神经网络故障诊断模型的特点出发 ,利用粗糙集理论解决该模型应用中的主要问题 ,包括进行训练样本质量研究 ,定义相关概念 ,给出故障特征提取算法等 ,提出了粗糙集 神经网络智能混合系统模型 ,分析了该模型的实现步骤 ,结合具体实例验证了上述理论的正确性·利用SAS软件进行了数值仿真·结果表明 ,提出的理论较好地解决了神经网络结构、训练样本的大小、样本质量等对人工神经网络的精度及泛化能力有直接影响的问题 ,减少了训练所需的计算量和时间 ,提高了模型的正确率·

关键词: 粗糙集, 人工神经网络, 故障诊断, 训练样本质量, 智能混合系统

Abstract: The rough set theory was used to study training sample quality, define relative concept and establish fault feature-extraction algorithm for Artificial Neural Network fault-diagnosis model. An intelligent rough-set neural-network hybrid system model was brought forward. The realization steps of the model were analyzed. The validity of these methods was tested by practical examples. Simulation was done using SAS software. The method can solve ANN architecture, sample size, and sample quality, decrease the computation time, and increase the diagnosis correctness.

中图分类号: