基于粗糙集的屬性約簡及發(fā)動機故障診斷算法研究.pdf

1、汽車發(fā)動機在故障診斷時由于其復雜的結構和惡劣的工作環(huán)境，使得各傳感器測量的數(shù)據(jù)具有不完備和不確定性，且測量數(shù)據(jù)中大多含有噪聲，給故障診斷帶來了很大困難。利用粗糙集理論進行故障診斷，不需要任何數(shù)據(jù)以外的先驗知識和預備知識，即可有效分析和處理各種不確定、不完備數(shù)據(jù)，并從中發(fā)現(xiàn)隱含的知識，揭示潛在的規(guī)律。隨著計算機技術的不斷進步，該理論日趨成熟，并逐步成為故障診斷和規(guī)則知識獲取的有效手段。
　　基于粗糙集理論的發(fā)動機故障診斷，主要是通過

2、粗糙集理論對不確定和不完備數(shù)據(jù)的計算，從大量故障數(shù)據(jù)中提取有用規(guī)則，規(guī)則提取首先對決策表進行屬性約簡，屬性約簡的結果直接影響故障診斷的效果，故文章對屬性約簡算法做了重點研究。論文的主要工作有:(1)深入研究了基于粗糙集區(qū)分矩陣的屬性約簡算法，對傳統(tǒng)的以核為啟發(fā)式信息的算法進行了改進，改進算法以核和“偽核”為啟發(fā)式信息化簡區(qū)分矩陣，計算區(qū)分函數(shù)并將其轉換為極小析取范式，然后，將核屬性加入極小析取范式的每個合取范式中，得到屬性約簡結果，當給

3、定決策表沒有核屬性和條件屬性較少時，該算法對計算效率提高顯著;(2)為使算法具有普遍適用性，結合HORAFA-AFVDM算法的優(yōu)點進一步完善了改進算法，即以化簡后區(qū)分矩陣中條件屬性的頻率值為啟發(fā)式信息進行屬性約簡，并以約簡后的決策表與原始決策表的決策能力是否發(fā)生變化為標準來判斷屬性約簡結果的正確性;(3)構建了基于粗糙集的發(fā)動機故障診斷系統(tǒng)，該系統(tǒng)可以根據(jù)故障數(shù)據(jù)和故障征兆兩種特征進行診斷，編程實現(xiàn)了系統(tǒng)的部分功能，軟件開發(fā)采用VS20