基于粗糙集理论的故障诊断知识获取研究

【摘要】： 工程机械在现实社会生活中起着越来越重要的作用,日常工作中出现故障也在所难免。利用故障诊断技术可以及时找出它所存在的故障,避免不必要的损失,具有很高的经济与社会意义。本文将粗糙集理论引入到故障诊断技术的研究中,针对故障诊断技术中的知识获取问题,以发动机为研究对象,展开了深入而细致的研究。 本文介绍了故障诊断技术的一些方法,分析了了这些的方法的研究现状及未来的发展趋势。对粗糙集理论及相关知识做了总结,对于粗糙集在知识获取方面的应用做了深入研究。 在研究分析了现有的粗糙集属性约简算法之后,提出了改进的区分矩阵属性约简算法。该方法以属性重要度作为重要度,采用启发式算法求取次优约简。通过算例表明,此算法在运算时间与步数上较传统算法都有明显改善。 在粗糙集值约简算法上,也是研究分析了现有的各种算法,提出了改进的启发式值约简算法。该算法利用了决策矩阵求值核,以属性重要度作为启发式构建了启发式值约简算法。在给出决策规则质量和规则置信度的概念后,通过一算例表明,此算法在各方面表现出来的优越性。 详细介绍了发动机的系统结构,在分析发动机结构的基础上,提出了分层获取发动机故障诊断知识的思想,分别采用人工获取和粗糙集知识获取两种方法获取一级和二级规则知识。给出了故障诊断系统的结构和知识获取流程,以某发动机供油系统为研究对象,采用改进的粗糙集属性约简与值约简算法获取二级故障诊断知识。