基于粗集論和支持向量機(jī)提高診斷精度的理論與方法研究.pdf

1、關(guān)鍵設(shè)備故障診斷是一項(xiàng)復(fù)雜的任務(wù),診斷精度是評(píng)價(jià)機(jī)器故障診斷系統(tǒng)性能的一個(gè)重要指標(biāo),也是影響診斷系統(tǒng)發(fā)展和應(yīng)用的主要因素.該文圍繞著如何基于粗糙集理論(RST)和支持向量機(jī)(SVM)提高故障診斷系統(tǒng)的診斷精度問題展開了理論和應(yīng)用方面的研究和探討.論文主要內(nèi)容如下:傳統(tǒng)的Pawlak粗糙集模型常常受到噪音問題、有效知識(shí)獲取算法和不確定性知識(shí)評(píng)價(jià)等問題的困擾,該文根據(jù)變精度粗糙集模型的原理和基于知識(shí)的診斷專家系統(tǒng)特點(diǎn),重新確定規(guī)則強(qiáng)度的定義

2、和不確定性知識(shí)評(píng)價(jià)方法,提出了故障診斷中基于變精度粗糙集模型的知識(shí)獲取算法,有效地改善了專家系統(tǒng)知識(shí)獲取的質(zhì)量,提高了系統(tǒng)診斷的準(zhǔn)確性和性能.同時(shí),該文針對(duì)神經(jīng)網(wǎng)絡(luò)診斷的一些局限性,結(jié)合粗糙集理論善于處理不完整數(shù)據(jù)的特點(diǎn),提出了使用粗糙集理論優(yōu)化神經(jīng)網(wǎng)絡(luò)故障診斷模型(RNN)的基本策略,通過對(duì)神經(jīng)網(wǎng)絡(luò)的優(yōu)化,提高粗糙集神經(jīng)網(wǎng)絡(luò)模型診斷的準(zhǔn)確率.最優(yōu)分類面對(duì)SVM分類精度的影響很大,該文有機(jī)地融合了SVM算法和非參數(shù)模式識(shí)別方法,將它們應(yīng)

3、用于最優(yōu)分類面附近的可疑區(qū)域的分類研究中.定義了樣本集中的正例支持向量和反例支持向量的代表點(diǎn),研究了原始空間樣本x,y在核函數(shù)k(x,y)映射下在特征空間中的x,y映象之間的度量和特征函數(shù),并給出了相關(guān)的定理及證明.探討了最近鄰判別法則的分類原理,給出了NNSVM(Nearest Neighbor-Support Vector Machine)算法的基本原理,提出了對(duì)樣本精確分類的NNSVM算法.該文分析了SVM傳統(tǒng)的1-a-r多分類算

4、法和1-a-1多分類算法的優(yōu)缺點(diǎn),結(jié)合故障診斷領(lǐng)域多故障診斷的特點(diǎn),給出了基于SVM的多分類算法故障診斷策略,建立了基于SVM的多故障診斷模型,提高了SVM對(duì)多故障診斷的識(shí)別率.該文采用故障樣本仿真數(shù)據(jù)、實(shí)驗(yàn)臺(tái)數(shù)據(jù)和工程實(shí)際數(shù)據(jù)對(duì)RST、RNN和NNSVM等提高診斷精度方法進(jìn)行了驗(yàn)證,比較了各種方法的差異,指出了它們的應(yīng)用環(huán)境和發(fā)展趨勢(shì)等.適應(yīng)大型機(jī)組遠(yuǎn)程監(jiān)視診斷的需要,同時(shí)根據(jù)863計(jì)劃研究項(xiàng)目的實(shí)際情況,開發(fā)了基于Web技術(shù)的遠(yuǎn)程監(jiān)