粗糙集與神經(jīng)網(wǎng)絡(luò)在聚合釜故障診斷中的方法研究.pdf

1、本文分析了近年來故障診斷技術(shù)的研究現(xiàn)狀和智能故障診斷系統(tǒng)的發(fā)展現(xiàn)狀，對現(xiàn)有的各種故障診斷方法進行了分析與評述，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。
　　聚合釜是聚氯乙烯生產(chǎn)線的重要設(shè)備，它能否穩(wěn)定運行直接關(guān)系到整個聚氯乙烯生產(chǎn)線的運行狀況，聚合釜故障是導(dǎo)致聚氯乙烯產(chǎn)品質(zhì)量下降的主要原因之一，所以聚合釜的故障診斷是決定聚氯乙烯產(chǎn)品質(zhì)量的關(guān)鍵。因此對聚合釜進行故障診斷就具有十分重要的意義。本文以錦西

2、化工廠樹脂分廠70立方米聚合釜故障診斷為例，將粗糙集理論與神經(jīng)網(wǎng)絡(luò)理論相結(jié)合構(gòu)成故障診斷的解決方案:首先應(yīng)用基于差別矩陣的改進算法對聚合釜故障的決策系統(tǒng)進行約簡，得到更為簡明的故障決策表;然后根據(jù)約簡后的決策表建立BP神經(jīng)網(wǎng)絡(luò)進行故障診斷，從而達到了簡化了網(wǎng)絡(luò)結(jié)構(gòu)，提高了訓(xùn)練效率的目的。針對聚合釜故障診斷中數(shù)據(jù)量大和屬性多的特點，本文提出了一種基于差別矩陣的改進算法。實際運算表明這種改進算法簡單明了，計算量小，計算過程不易出錯，彰顯出本

3、文給出的改進算法在處理大數(shù)據(jù)時的優(yōu)越性。
　　本文對粗糙集中基于差別矩陣屬性約簡算法進行改進:即通過對矩陣中單屬性元素及包含單屬性的元素數(shù)學(xué)最簡化，使計算量大為減少，并且減少了出錯機率，還將改進了的差別矩陣屬性約簡算法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的故障診斷實施方案應(yīng)用到聚合釜故障診斷研究中，并在Matlab平臺上進行了仿真驗證，實驗結(jié)果證明采用本文方法在聚合釜故障診斷中診斷正確率高，而且訓(xùn)練時間短，體現(xiàn)了本文方法的高效性和有效性，這些都充分