目前,智能混合故障診斷系統(tǒng)已成為故障診斷領(lǐng)域的研究熱點(diǎn)。用于神經(jīng)網(wǎng)絡(luò)診斷的訓(xùn)練數(shù)據(jù)和診斷數(shù)據(jù)存在冗余,會影響神經(jīng)網(wǎng)絡(luò)的診斷效率;而粗糙集能在保持決策表分類能力不變的情況下,刪除其中不相關(guān)或不重要的知識;所以,兩者相結(jié)合將具有使故障診斷系統(tǒng)更加高效實用的潛力。本文以構(gòu)建基于粗糙集—神經(jīng)網(wǎng)絡(luò)的智能混合故障診斷系統(tǒng)及其程序?qū)崿F(xiàn)為目的,在兩個方面推進(jìn)了相關(guān)工作:第一,在前人研究工作的基礎(chǔ)上,進(jìn)一步優(yōu)化了故障診斷的實現(xiàn)方法,主要包括以下內(nèi)容:（1）采用SOM神經(jīng)網(wǎng)絡(luò)實現(xiàn)對訓(xùn)練樣本數(shù)據(jù)的離散化。該網(wǎng)絡(luò)通過自組織方式利用大量的訓(xùn)練樣本數(shù)據(jù)來調(diào)整網(wǎng)絡(luò)權(quán)值,離散化過程只需人為指定聚類數(shù)目,離散結(jié)果能比較客觀地反映數(shù)據(jù)分布情況。（2）采用基于屬性頻率函數(shù)的啟發(fā)式屬性約簡算法實現(xiàn)對離散化后數(shù)據(jù)構(gòu)成的決策表進(jìn)行約簡。該算法使用核作為計算約簡的出發(fā)點(diǎn),引入屬性重要性這一度量作為啟發(fā)式信息;在一般情況下,能保證求得決策表的最小約簡即最優(yōu)約簡。（3）采用引入L-M算法的BP神經(jīng)網(wǎng)絡(luò)對最優(yōu)決策表進(jìn)行網(wǎng)絡(luò)訓(xùn)練。由于L-M算法的收斂速度要比一般的梯度下降法快得多,所以L-M算法的引入可以改善BP網(wǎng)絡(luò)的收斂速度,從而縮短網(wǎng)... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【部分圖文】：

梯度下降法訓(xùn)練過程

浙江工業(yè)大學(xué)碩士研究生學(xué)位論文圖2一5梯度下降法訓(xùn)練過程毅夔矍瞬夔矍掣瓤黔夔鸚矍攀{豁羚黔︸戮黔貓︸瓢﹃袱瓢躺斯亙藩麥那崔瞬薰耀〕!!燕{薰踢摹黔…翼圖2一 6Levenbe嗯一Marquardt算法動11練過程2.4.3神經(jīng)網(wǎng)絡(luò)工具箱神經(jīng)網(wǎng)絡(luò)工具箱是MATLAB環(huán)境下開發(fā)出來的許多工具箱之一，它以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ)，應(yīng)用MATLAB語言構(gòu)造典型神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)，并針對特定的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行網(wǎng)絡(luò)設(shè)計、學(xué)習(xí)、訓(xùn)練和仿真。神經(jīng)網(wǎng)絡(luò)工具箱中含有豐富的工具箱函數(shù)，它們是應(yīng)用MATLAB語言編寫的各種網(wǎng)絡(luò)設(shè)計和訓(xùn)練的子程序，網(wǎng)絡(luò)設(shè)計者可以根據(jù)自己的需要調(diào)用工具箱中有關(guān)的設(shè)計訓(xùn)練仿真程序，從繁瑣的編程中解放

添加AcuveX控件

【參考文獻(xiàn)】：
期刊論文
[1]粗糙集與神經(jīng)網(wǎng)絡(luò)在發(fā)動機(jī)故障診斷中的融合應(yīng)用[J]. 傅曉林,王興家,蔡辰光.  重慶交通學(xué)院學(xué)報. 2006(06)
[2]基于混合智能故障診斷的研究[J]. 柴占杰,張廣明,朱煒.  煤礦機(jī)械. 2006(11)
[3]MATLAB6.5與VB混合編程中的接口技術(shù)研究[J]. 王正祥,劉載文,楊斌,薛福霞.  微計算機(jī)信息. 2006(28)
[4]淺談VB與Matlab混合編程[J]. 郭平.  廣西輕工業(yè). 2006(05)
[5]基于粗糙集與人工神經(jīng)網(wǎng)絡(luò)的煙氣機(jī)故障診斷[J]. 舒服華.  化工設(shè)備與管道. 2006(01)
[6]粗糙集與神經(jīng)網(wǎng)絡(luò)在航空發(fā)動機(jī)氣路故障診斷中的應(yīng)用[J]. 陳恬,孫健國.  航空動力學(xué)報. 2006(01)
[7]Windows應(yīng)用程序與MATLAB接口技術(shù)的研究[J]. 董超,劉洪錦,李俊芳.  天津理工大學(xué)學(xué)報. 2005(04)
[8]基于粗糙集的飛行數(shù)據(jù)模式特征提取[J]. 謝川,倪世宏,張宗麟.  計算機(jī)工程. 2005(12)
[9]一種基于分明矩陣的啟發(fā)式知識約簡方法[J]. 陶志,許寶棟,汪定偉.  系統(tǒng)工程與電子技術(shù). 2005(04)
[10]VB和MATLAB無縫接口編程[J]. 黃錫泉,姚竹亭.  微計算機(jī)應(yīng)用. 2005(02)

碩士論文
[1]一種粗糙集和神經(jīng)網(wǎng)絡(luò)相結(jié)合的故障診斷方法研究[D]. 李冰清.太原理工大學(xué) 2005
[2]應(yīng)用粗集理論解決故障診斷中的不確定性問題的研究[D]. 勞佳鋒.浙江工業(yè)大學(xué) 2005
[3]智能故障診斷技術(shù)的應(yīng)用與研究[D]. 陳勵華.西北工業(yè)大學(xué) 2005
[4]基于ANNES的故障智能診斷技術(shù)研究[D]. 陳文清.武漢理工大學(xué) 2002
[5]智能故障診斷技術(shù)的研究與應(yīng)用[D]. 付瓊.大連理工大學(xué) 2002



本文編號：3062753