基于粗糙集配电网故障定位系统

针对配电网复杂线路,根据故障投诉电话信息构建的故障定位决策表,运用粗糙集理论对决策表进行化简,导出配电网故障定位规则的最小约简形式,揭示故障投诉电话信息内在的冗余性,同时,也能解决故障投诉电话信息不完备情况下的故障定位问题.通过仿真算例表明,该方法简单、可行、定位快速、准确.     

基于粗糙集理论的数控机床智能故障诊断研究

面向数控机床智能化发展需求,提出了基于数据挖掘技术的智能故障诊断方法.建立机床智能诊断单元的系统框架,框架由状态监控及特征信号采集、历史故障数据分析及诊断规则获取、故障推理机制3个功能模块组成.重点研究诊断规则的获取技术,提出了基于粗糙集理论的故障诊断决策规则生成算法.算法充分利用信息决策系统的特性,通过简化对不必要属性和核心属性的分析,并引入回溯思想计算约简集,有效降低了属性集约简的计算复杂度,提高规则求取效率.在建立规则库的基础上,引入基于证据理论的信息融合技术,解决多传感器故障监测数据与诊断规则准确匹配的问题,建立故障推理机制.实例研究证明该方法可行.     

基于粗糙集对旋转机械故障诊断系统的研究

针对机电设备故障诊断中存在的知识冗余和不确定性,从原始数据出发,利用决策表约简算法进行属性和属性值的约简,建立了故障诊断的规则库.给出了基于粗糙集的故障诊断和知识获取模型的一般结构.通过对旋转机械典型故障的分析,建立了决策表,通过对决策表的约简,减少了数据库中数据的数量,解决了故障诊断中知识获取的瓶颈问题.提出了决策表的属性值约简的一种简化算法.实验证明该方法是可行的.     

基于粗糙集和ANFIS相结合的配电网故障诊断方法

为了提高配电网故障诊断的准确性和效率,提出了将粗糙集与自适应神经网络模糊系统(adaptive neuro-fuzzy inference system,ANFIS)相结合构建粗糙集和神经网络的智能混合诊断系统,以充分利用粗糙集理论对知识的约简能力和神经网络的容错学习能力.通过粗糙集理论中的信息熵概念对诊断系统输入变量进行合理选择,即选取与故障诊断信息相关性大的参数作为输入,然后利用ANFIS进行建模和参数辨识,并通过训练样本进行学习训练,这样既减少了神经网络的学习训练时间,又提高了诊断的准确度.用该方法对某一实际配电网进行了故障诊断,结果表明:该方法计算速度快,具有良好的容错性能和在线故障诊断潜力.     

基于熵和粗集的设备故障诊断方法

提出了一种基于熵和粗集的故障诊断方法。利用信息熵判断系统运行状态，确定系统故障的严重程度，并依据故障程度采集相应的数据，在此基础上，运用一种改进的区分矩阵方法进行相对约简并对不一致信息进行处理，最终形成一种综合策略的诊断规则。     

基于粗糙集分解的传感器网络节点故障诊断方法

土壤环境监测系统中,节点故障诊断技术对及时了解网络中传感器节点的状态起着重要作用。由于网络中故障节点的存在,使得整个传感器网络监测数据的完备性受到影响。该文提出了一种不完备信息系统的粗糙集分解方法,并将此方法应用于传感器网络的节点故障诊断中,结果证明了方法的有效性。     

基于粗糙集和神经网络的机械故障诊断研究

提出了粗糙集理论与神经网络结合的机械故障诊断方法,研究了连续属性离散化的SOM方法和条件属性约简的差别矩阵方法,归纳了构建神经网络需考虑的关键问题,用一个算例验证了方法的有效性.结果表明：粗糙集能有效地约简冗余信息,简化神经网络的结构,缩短网络的训练时间,提高诊断的效率;SOM网络能将连续性输入映射成具有理想聚类结果的离散性输出,并能保持数据间的拓扑结构不变;利用差别矩阵对决策表进行约简,结果准确可靠;BP神经网络泛函逼近能力强,能快速准确地完成特征空间到故障空间的映射.     

基于粗糙集-贝叶斯方法的分布式电网故障诊断

针对实际的电网故障诊断中常存在的冗余和不确定性信息这一问题,基于智能互补融合的思想,将粗糙集和贝叶斯有机结合在一起,并鉴于传统的人工智能在大电网故障诊断应用中存在的局限性而采用分布式数据挖掘的思想,提出了一种基于粗糙集-贝叶斯的分布式电网故障诊断方法。该方法首先把大电网分割成给定数目的局部电网,然后利用粗糙集对各个局部电网分别建立决策表并进行约简,最后利用粗糙集-贝叶斯方法进行局部电网内部及局部电网之间的联络线的规则提取形成全局规则库,并根据实时报警信息进行规则匹配得到诊断结果。经电网故障诊断算例分析表明,该算法正确、有效,速度快,容错性好。     

基于粗糙集数据挖掘方法的最大功率研究

风电机组在运行过程中会产生大量的机组数据,随着大量数据的积累及数据库的应用,为了有效地利用产生的有用数据,运用粗糙集数据挖掘方法对数据的属性进行简约、决策,发现数据之间的关联规则,为机组高效运行提供条件.仿真结果表明,基于粗糙集数据挖掘方法不仅可以减小特定属性信息提取的工作量,还能在数据分析中发挥决策的优越性.     

智能故障诊断粗糙灰色组合模型

在故障诊断过程中,首先利用粗糙集原理对设备特征参数进行约简,去除冗余参数,再利用粗糙集理论定量确定各特征参数的重要程度;根据约简的特征参数和各参数的重要程度,利用灰色关联度分析的方法确定各种标准故障状态与目前设备状态的关联度,从而找到设备的故障之处.实例验证表明:在设备的故障诊断中将灰色系统理论和粗糙集理论结合是一种行之有效的方法,为智能故障诊断提供了理论基础.     

粗糙集理论在变压器故障诊断中的应用

为了对变压器故障诊断过程中大量的冗余特征进行压缩或约简,提高诊断的效率,将粗糙集理论引入到变压器故障诊断中,提出了基于粗糙集理论的故障特征约简算法:即由故障样本构成信息表,组合表中不同的属性集,求取与全体属性集具有相同分类质量的最小属性集。对具体典型诊断实例进行了分析,结果表明:在保证故障分类结果不变的情况下,该算法能够剔除具有冗余信息的特征,找出对故障分类起主要作用的特征,从而达到了特征约简的目的,不仅大大减少了诊断信息提取的工作量,也为后续的智能诊断提供很大的便利。     

基于变精度粗糙集的齿轮故障诊断

提出一种基于变精度粗糙集的齿轮故障诊断模型。首先用自组织特征映射神经网络进行数据的离散化;再由变精度近似依赖度进行属性约简;然后生成故障诊断规则。给出一个齿轮的故障诊断的实例,并与粗糙集的故障诊断模型进行比较。结果表明基于变精度粗糙集方法降低了决策规则的复杂度及规则数量,且提高了故障识别率。     

基于粗糙集与BP神经网络的烟气机故障诊断

结合粗糙集理论和神经网络在信息处理方面的优势,提出了一种基于粗糙集理论与BP神经网络相结合的烟气机故障诊断方法.首先对故障诊断数据中的连续属性进行离散化,然后根据粗糙集理论进行故障诊断决策系统约简,获得最优决策系统.最后在最优决策系统的基础上,设计BP神经网络对烟气机故障进行诊断.试验结果表明,该方法可以有效提高烟气机故障诊断的精度和效率.     

基于信息散度的过程故障检测与诊断

为了充分利用卡尔曼滤波新息中的非高斯故障特征,提出一种基于信息散度的非线性过程故障检测与诊断方法.通过unscented卡尔曼滤波产生新息序列,利用核密度估计方法计算概率分布.在此基础上建立信息散度统计量,监控过程的运行状态.一旦检测到故障后,引入对称信息散度计算待诊断过程与故障库中各类故障之间的距离,判断故障类型.在连续搅拌反应器上的仿真结果表明,提出的方法能够及时检测到故障的发生,正确判断故障类型.     

基于小波变换和粗糙集的风电变流器故障诊断

为确定双馈风电机组转子侧变流器开路故障的位置,提出一种基于小波变换和粗糙集的风电变流器单相开路故障诊断方法.基于小波变换进行转子侧变流器的三相故障电流特征向量提取;基于粗糙集将获取的特征向量提取值进行离散化和属性约简处理,并将得到的最小约简决策表作为转子侧变流器单相开路故障的参考样本;通过待检测样本与参考样本的欧式距离值确定转子侧变流器的故障位置.以T2开路故障为例,对采集数据进行了小波变换与粗糙集分析,通过计算欧式距离验证了所提出的算法在进行双馈风电机组转子侧变流器开路故障诊断中的有效性.     

基于粗糙集理论的瓦斯灾害信息特征提取技术

为了准确预测煤与瓦斯突出的危险性,建立有效的煤矿瓦斯预警支持系统,针对煤矿瓦斯灾害的特点,本研究提出了一种新颖的基于粗糙集的瓦斯灾害特征提取算法。该算法首先利用维数化简技术对瓦斯灾害信息矩阵进行优化,并在此基础上,利用信息论中熵的概念和最大熵原理构建瓦斯灾害信息特征提取模型。通过实际应用,证实了粗糙集理论在瓦斯灾害特征提取与瓦斯灾害预测中的有效性和实用性。     

基于信息熵的设备电气故障诊断复杂性评价

依据信息论,使用信息熵的方法探讨了设备电气故障诊断复杂性的评价方法。首先介绍了信息熵评价复杂性的相关理论,给出了设备电气故障诊断整体复杂性评价指标以及指标的计算过程。然后以某PLC的故障诊断为例,探讨了设备电器故障判断层次结构。以此为基础,构建了设备电器故障诊断复杂性评价指标体系,给出了该PLC故障诊断复杂性评价域。在明确因果链的基础上,利用信息熵方法对该PLC故障诊断的复杂性进行了评价。