（控制理论与控制工程专业论文）粗糙集在故障诊断中的应用.pdf

硕卜论史 辊糙集在故障诊断中的应用 摘要 粗糙集理论作为信息科学的一种新的逻辑和研究方法，它是一种处理模糊和不精 确知识的数学工具，其具有很强的知识获取能力。粗糙集理论的要点是将分类与知识 联系在一起，粗糙集理论认为知识即是将对象进行分类的能力。粗糙集理论的主要优 势在于它不需要任何预备的或额外的有关数据信息。但是粗糙集的容错能力和推广能 力相对较弱，这意味着需要其他方法补充。 人工神经网络是近年来研究的热门技术，它也是人工智能领域的研究热点。人工 神经网络因其具有自学习，自组织，容错性好和并行处理信息的能力，且具有与现代 各门技术相结合的能力，是信息处理的有效途径和手段。但在现实应用中，人工神经 网络就像是一个黑箱，想要确定其相应的决策几乎是不可能的。 因此针对上述各自的优缺点，将两者结合起来，发挥各自的特点。本文正是在这 样的基础上进行的研究。应用神经网络进行计算机故障诊断，本文用粗糙集理论对计 算机网络的条件属性进行约简。即通过粗糙集理论与改进可辨识矩阵和值约简算法相 结合，将庞大的条件属性表约简为最小属性表。再根据最小属性表提出了混合策略规 则算法并应用于神经网络中。由于充分应用了粗糙集和神经网络各自的最大优点，即 知识约简和模式分类能力，克服了网络规模过于庞大和分类速度慢的缺点，从而使得 运算更为方便和快捷，提高了系统的安全性能。 关键词：故障诊断粗糙集人工神经网络属性约简 摘要 硕士论文 a b s t r a c t r o u g hs e ti sag o o dt o o l f o rt h em a t hp r o b l e m t h ea d v a n t a g eo fr o u g hs e ti st h e a b i l i t yt oa c q u i r et h ek n o w l e d g e t o d a ya r t i f i c i a ln e u r a ln e t w o r kd e v e l o p sv e r yf a s t i th a s al o to fa d v a n t a g e s ，s u c ha ss e l f - l e a r n i n ga n ds e l f - o r g a n i z a t i o n b u ti ta l s oh a sap r o b l e m i ti sd i f f i c u l tt om a k ead e c i s i o nf r o mi t r o u g hs e tt h e o r yc a nm a k es o m ei m p r o v e m e n t s b a s e do nt h et h e o r yo fr o u g hs e t , t h i sd i s s e r t a t i o ns t u d i e sr o u g hs e t a r t i f i c i a ln e u r a ln e t w o r k an e w l yr e d u c e da l g o r i t h m b a s e do nr o u g hs e tt h e o r yi sp r o p o s e df o rf a u l td i a g n o s i sw h e nt h ep o w e rn e t w o r kf a i l e d a n dt h e nc a u s e dp o s s i b l yt h ep r o t e c t i o i l st om a l f u n c t i o na n dd e f e c t si nc o m m u n i c a t i o n f u r t h e r m o r e ，t h er e d u c e dr e s u l tc a nb es y n t h e s i z e di n t oat a b u l a t e de x p e ad e c i s i o nl i b r a r y w i t hf u z z ys e t sa n d p r o b a b i l i t ya p p l i e dt ot h er u l e so fr o u g hs e t s ，t h ec o n f i d e n c el e v e l so f e a c hr u l ea n dr e l e v a n te q u i p m e n ta l et a k e ni n t oc o n s i d e r a t i o na n dc o m p u t e d a n o t h e r a l g o r i t h mi sa l s op r o p o s e dt oa n a l y z es y n t h e t i c a l l yt h ec o n f i d e n c el e v e lo fad i a g n o s t i c c o n c l u s i o ni na c c o r d a n c et ot h en u m b e ro fr u l e sf o rac e r t a i nd e c i s i o nm a k i n gp r o c e s sa n d t h ec o n f i d e n c el e v e lo f e a c hr u l e ，w h i c hi sa l s ot ob ep u ti n t oa p p l i c a t i o nt op o w e rn e t w o r k f a u l td i a g n o s i s i nt h ee x a m p l eg i v e na sf a u l td i a g n o s i s ，t h ee x a m p l ep r o v e st h i sm e t h o d w h i c h m a k e sf a u l td i a g n o s i se x a c ta n dt h es p e e do f t h ep r o c e e d i n gi sf a s t k e yw o r d s ：r o u g hs e t ；a r t i f i c i a ln e u r a ln e t w o r k ；f a u l td i a g n o s i s ；r e d u c e dp r o p e r t y u 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本 学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或 公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使 用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文 中作了明确的说明。 研究生签名：谜匙基亟 矿石年多月g 日 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或 上网公布本学位论文的全部或部分内容，可以向有关部门或机构送交并 授权其保存、借阅或上网公布本学位论文的全部或部分内容。对于保密 论文，按保密的有关规定和程序处理。 研究生签名：丛逝函 口年月腾日 硕t 论文 辑i 糙集d 故障诊断中的虑用 1 绪论 1 1 引言 现代化工程技术系统正向大规模、复杂化方向发展，这类系统一旦发生事故将会 带来巨大损失。在这样的情况下确保复杂系统的安全性和可靠性，得到了广泛的重 视。故障诊断技术的出现，为提高复杂系统的可靠性打开一条新的途径。随着现代 技术及工业的迅速发展，生产设备日趋大型化、自动化和智能化，使得系统的安全 性和可靠性变得只益的重要和复杂化i ”。因此传统的故障诊断技术已经远远不能适 应现况，使得故障诊断技术越来越受到重视。因此对故障诊断技术不断的进行深入 的研究，开发出高性能指标的故障诊断系统，对于提高系统的安全性、可靠性有重 大的意义。 故障诊断技术既是- f 7 相对独立发展的技术，又是- 1 7 应用型边缘学科，它的 理论基础涉及到现代控制理论、可靠性理论、信号处理、模式识别、计算机工程、 人工智能、电子技术、应用数学等学科，并与容错控制、鲁棒控制、自适应控制、 智能控制等都有密切的关系1 2 】。最早人们采用的故障诊断的方法完全是由人工方法， 由操作人员或等家凭经验进行判断，或者是利用专门的仪器进行现场测量得以分析 判断。随后出现了利用冗余部件提供的信息按照少数服从多数的原则来确定故障的 部件。但是在提高系统的可靠性方面同时带来了一些不足：增加系统成本、结构、 重量和空间。因此基于这种方法在大型复杂系统中是不现实的。在此基础上基于解 析冗余故障诊断技术应运而生，其利用系统不同部件功能上的冗余关系，通过估计 技术获取信息，进而形成残差，再通过对残差信息利用各种方法加以处理，从而最 终得到系统的故障信息。目前国际上每年发表的关于故障诊断的论文与报告在数千 篇章以上，基于解析冗余的故障诊断技术被认为是起源于1 9 7 1 年b e a r d 发表的博士 论文【7 】以及m e h r a 和p e s c h o n 发表在a u t o m a t i c a 上的论文【8 1 】。1 9 7 6 年，w i l l s k y 在 a u t o m a t i c a 上发表了第一篇故障诊断方面的综述文章 7 2 1 。h i m m e l b l a u 于1 9 7 8 年出 版了国际上第一本关于故障诊断方面的学术著作f 7 3 1 。随后报道的这方面的重要综述 文章与著作参见【7 4 、9 0 1 。 我国开始故障诊断技术的研究要比国外晚十年。清华大学万崇智教授等从1 9 8 3 开始这方面技术的研究。1 9 8 5 年，叶银忠等在信息与控制上发表了国内第一篇 关于故障诊断方面的综述文章f s 2 】。1 9 9 4 年周东华等在清华大学出版社出版了国内第 一本关于这方面技术的学术著作【9 3 】。中国自动化学会于1 9 9 7 年成立了技术过程的 绪论 颂卜论文 故障诊断与安全性专业委员会，以协调国内该科学的发展。2 0 0 2 年，中国国家自然 科学基舍委员会设立了重点项目：“复杂工程系统的快速自动诊断与容错控制研究”， 将故障诊断技术的研究作为控制科学类优先发展的课题之一。因为故障诊断技术具 有很强的学科性交叉，因此大量相关学科的发展，尤其是现代控制理论、信号处理、 模式识别、最优化方法、决策论、人工智能等近二十年来的迅速发展，为解决复杂 系统的故障诊断问题提供了有力的理论基础，一些新的理论与方法，如：主元分析、 遗传算法、小波变换、粗糙集、神经网络、模糊系统、定性推理、模式识别、自适 应理论、非线性理论都已经得到了较为成功的应用。正是在这样的技术与市场的双 重影响下故障诊断技术得到了蓬勃的发展。 1 2 故障诊断技术现状综述 故障诊断技术是发展于本世纪中期的一门科学技术，其是指对运行中的机械或 设备的异常状态原因的识别以及包括异常状态预测在内的各种技术的总称。故障诊 断技术是建立在机械工程、信号处理、测试工程、计算机应用技术、人工智能等众 多理论基础上的新兴综合性科学技术【4 1 。自从诊断技术诞生以来，便引起了学术界 的关注。特别是随着近年来控制理论、信号处理、人工智能、模式识别等学科技术 的发展，故障诊断技术得到了迅速的发展，各国都开展了这方面的研究，并取得了 许多的成果，因此故障诊断技术的内涵也从一开始的某一台机械设备的故障诊断发 展成为工业过程动态系统的故障诊断。 1 2 1 故障的概念和分类 在系统中，故障包括两种含义：一种是系统偏离正常功能，其形成的主要原因 是因为系统的工作条件( 含零部件) 不正常而产生的。通过参数调节，或者修复零 件，又可以使系统恢复正常的功能。另一种是指系统连续偏离正常功能即为功能失 效，且程度不断的加剧，从而使设备的基本功能不能保证。一般来说，诊断对象可 以是一个比较复杂的大系统，也可以是一个简单的元件或部件。严格的来说，从不 同的层次观察可以对不同的诊断对象有不同的划分。而通常我们所说的故障则是指 系统的运行处于不正常的状态，并且可以导致系统相应功能失效。也就是说系统相 应的行为超过允许的范围，从而使系统的功能低于规定的水平。 根据故障发生的部位，可以把故障分为元部件故障、传感器故障和执行器故障。 根据故障的时日j 特性，我们把故障分为突变故障和缓变故障。根据故障的发生形式 可以把故障分为加性故障和乘性故障。评价一个故障性能指标有：故障检测的及时 性、早期故障检测的灵敏度、故障的误报率和漏报律、故障定位和故障评价的准确 2 硕卜论文辑i 糙集在故障诊断中的应用 性、故障检测的鲁捧性钉。 1 2 2 故障诊断的方法概述 随着社会的不断发展，人们对于系统的安全性、可靠性和有效性的要求越来越 高，因此故障诊断技术也就越来越受到人们的重视。目前故障诊断的方法主要分为 以下三种：基于解析模型的方法；基于信号处理的方法；基于知识的方法。 1 2 2 1 基于解析模型的方法 在传统的故障诊断方法中，一般是通过观察一些重要特性变量如振动频率、空 中温度的变化情况来确定系统是否出现了故障。因为实际的工业过程是一个大的系 统，当系统的各个变量变化幅度较大的时候，单纯由这些变量柬直接判断是非常困 难的。而且由于系统中存在控制回路，使得系统中不太严重的故障会由于反馈的存 在而被掩盖了。基于解析模型的方法应用线性系统辨识技术来实时的为系统建立数 学模型，当系统中存在故障时，系统的输入输出关系就会改变，这些变化会反映在 数学模型中，因此通过观测数学模型的参数变化，从而能判定系统是否存在故障。 基于解析模型的方法能够深入研究系统本质的动态性质从而进行实时诊断。基于解 析模型的方法分为状态估计法、参数估计法和等价空间法 6 j 。 ( 1 ) 状态估计法 状态估计法的基本思想是利用观测器滤波器对系统的状态进行估计并构成残 差序列，然后采取一定的措施增强残差序列所包含的故障信息，从而抑制模型误差 等非故障信息，通过对残差序列的统计检验把故障从中检测出来。由于实际中很难 获得精确的数学模型，所以状态估计的主要方法在于提高检测系统对于建模误差、 扰动、噪声等未知输入的鲁棒性及系统对早期故障的灵敏性。在处理非线性系统故 障诊断的方法分为两类：一类是将1 # 线性系统在其一个或几个工作点附近线性化， 得到一组系统的线性模型，将建模误差作为未知输入，利用未知输入解祸技术设计 残差，使得不受建模误差的影响。另一种是基于非线性模型的方法，再应用非线性 观测器方法或非线性参数估计进行诊断。前者可以利用成熟的线性系统故障诊断技 术，但只适用于工作点不多或工作点非线性化程度不高的情况，有很大的局限性。 后者的发展才刚起步，大都针对某些特定的非线性系统。在状态估计法中包括：自 适应非线性观测器方法、非线性未知输入观测器方法、滤波器方法。 ( 2 ) 参数估计法 参数估计与状态估计不同，不需要计算残差序列，则是根据参数变化的统计特 性来检测故障的发生。参数估计法是找出模型参数和物理参数之间的一一对应关系， 而且被控过程需充分激励。文 3 6 1 提出了一种强跟踪滤波器方法，其实质是对于 绪论 硕卜论文 模型不确定性具有鲁棒性，而对于突变状态和缓变状态始终具有很强的跟踪能力的 滤波器。它的基本思想是由扩展卡尔曼滤波器得到残差序列，用残差加权平方和算 法快速检测故障，最后采用强跟踪滤波器得到系统状态和非线性时变参数的联合估 计，再基于修正的贝叶斯分类算法检验各参数估计值，实现故障诊断和故障幅值估 计。文 3 7 3 提出了参数估计法和观测器相结合的方法，其先构造故障诊断观测器， 使其快速检测故障并对故障进行预分离，然后对包含可能故障的简化模型作参数估 计，进一步分离故障。这种方法减少了待估计参数的个数从而降低了参数估计对输 入激励的要求。文 3 8 则提出了将参数估计法和等价空问法相结合的方法，其首 先利用连续时间的等价空问方法迅速检测故障，然后根据等价残差估计某个线性参 数的变化，这样回避了参数估计算法对持续激励的要求，这样使存在慢时变参数的 系统，等价方程的系数对估计出的参数变化值具有自适应能力，从而提高故障诊断 的能力。 ( 3 ) 等价空b j 法 等价空间的思想就是利用系统的输入输出的实际测量值检验系统数学模型的等 价性用于检测和故障的分离。方法有基于约束优化的等价方程方法、广义残差产生器 方法、具有方向性的残差序列、基于近似扰动解耦的等价空间方法。基于约束优化的 等价方程方法的思想是用有限个模型描述系统，表示模型参数的不确定性，用滑动平 均等价方程产生残差，将残差的鲁棒性和灵敏度以及故障分离的要求转化成为满足非 凸平方不等式约束集的前提下最小平方代价函数。而广义残差是在满足一定条件时， 通过一些变换从原系统中消去未知输入项，利用新的等价系统的输入输出描述构造等 价方程，产生基本残差，增加设计的自由度，来满足故障诊断的要求。选取适当的动 态加权阵使得从故障到残差的传递函数为对角阵，则残差为固定方向的残差，可以同 时分离多个故障，这类似于广义观测器方案，构造一组广义残差产生器，产生结构化 的残差，实现故障的诊断。文 2 0 3 提出了基于系统的动态输入输出模型，用动态等 价方程产生具有方向性的残差的方法，在指定的故障响应中包含故障系统的不变零多 项式，从而得到多项式形式的残差产生器，这种方法设计的方向性残差比故障检测滤 波器更直观简单。基于近似扰动解祸的等价空间方法找中处理乘性扰动和故障时的鲁 棒故障诊断。其先用等价方程方法构造基本残差，再对基本残差作线性变换，使得最 后得到的残差和扰动解祸，并且关于故障是结构化的或是有方向性的，有利于故障的 诊断，变换后得到的残差能够完全解耦的扰动和故障的总数是有限的。 1 2 2 2 基于信号处理的方法 这类方法不需要对象的准确模型，因此具有很强的实用性。基于信号处理的方法 是一种传统的故障诊断技术，通常是利用信号模型，如相关函数、频谱、自回归滑动 4 硕卜论文粗糙集在故障诊断中的应用 平均值等，直接分析可测信号，提取方差、均值、幅值、相位、散度，频谱等特征值， 从而识别和评价机械设备所处的状态，如统计推理近似诊断法、谱峰自动识别法、最 大熵值估计法。研究的方法有利用主元分析方法，基于小波变换的故障诊断的方法， 基于信号摸态估计的故障诊断方法，基于信息融合的方法，基于自适应滑动窗格形滤 波器的故障诊断方法，利用k u l l b a c k 信息准则检测故障方法、基于时间序列特征提取 的诊断方法，利用6 算子的方法，分形几何法。 ( 1 ) 主元分析方法 主元分析方法是一种有效的数据压缩和信息提取方法。它是利用统计原理建立低 维模型描述系统的方法。该方法可以实现实时诊断。一般适合大型的、缓变的稳态工 业过程的监控。它应用于故障诊断的基本思想是对过程的历史数据采用主元分析方法 从而建立正常情况下的主元模型，一旦实测信号与主元模型发生冲突，就可以判断有 故障发生，通过数据分析就可以分离出故障。它对数据中含有大量相关冗余信息的故 障的检测与分离非常有效，且还可以作为信号的预处理方法用于故障特征量的提取。 传统的主元分析方法是一种线性变换方法，其主要是用于二维数据矩阵，随着过程的 复杂化和动态变量维数的增加，其系数选取的难度也加大，而结合了小波分析、神经 嘲络等方法可以弥补其不足。对于复杂的非线性系统，常规的主元分析方法通常存在 数据压缩不充分和主元个数的取舍可能导致监视结果不准确等缺点。 ( 2 ) 基于小波变换的故障诊断方法 。基于小波变换的故障诊断是近年来发展起来的。小波变换是八十年代后期开展的 应用数学分支，最初是由法国学者d a u b e c h i e s 和m a t l e a t i j l 入信号处理领域。利用小波 变换可以进行信号的随机去噪。将小波变换应用于故障诊断主要有三种方法：利用观 测信号的奇异性进行故障诊断；利用观测信号频率结构的变化进行故障诊断；利用脉 冲响应函数的小波变换进行故障诊断。基于小波变换的故障诊断方法无需对象的数学 模型，对输入信号的要求较低，计算量较小，并且可以进行在线实时故障检测，同时 灵敏度高，抗干扰能力强，能够克服前面几种诊断方法的缺点。 ( 3 ) 基于信号模态估计的故障诊断方法 基于信号模态估计的故障诊断方法的基本思想是直接根据系统物理参数的变化 诊断故障。首先，根据系统的闭环特征方程找到对应每一个物理参数变化的根轨迹集 合，再取任何一个闭环信号，利用最小二乘算法估计被诊断系统的模态参数，采用模 式识别技术将估计模态与某一个物理参数对应的根轨迹集合匹配起来，从而分离出故 障，同时根轨迹在复平面上的位置也与物理参数的实际值有关，使得根轨迹上还可以 估计出系统物理参数的变化量，但该方法不足在于计算量比较大。 ( 4 ) 基于信息融合的方法 基于信息融合的方法是多源信息综合处理的一项新技术，它能将来自某一目标的 绪论 硕卜论文 多源信息加以智能化合成，产生比单一信息源更精确、更完全的估计和判决。从而解 决对复杂系统进行故障诊断时存在的信号信噪比低、诊断可信度低等问题。该方向的 研究重点有：适用于故障诊断的信息表达方式与融合结构研究：决策层融合技术的研究； 数据挖掘技术等。 ( 5 ) 基于自适应滑动窗格形滤波器的故障检测方法 基于自适应滑动窗格形滤波器的故障检测方法的基本思想是取一个滑动窗内的 系统输入和输出数据，从而利用自适应格形滤波器产生残差序列。当系统处于正常状 态时，残差序列将足零均值固定方差的高斯过程。如果系统发生了故障，则由故障引 起的过渡过程将导致残差序列的均值或方差变化。构造合适的检验统计量，对残差序 列进行假设检验，使在线检测出系统的故障。这适用于突变、缓变故障的检测，且不 需要具体的系统准确数学模型和先验知识。 ( 6 ) 利用k u l l b a c k 信息准则检测故障 k u l l b a c k 提出了用k u l l b a c k 信息准则检测具有未建模动态特性的系统故障的方 法。将k d i 和阂值比较，从而可以有效的检测故障。但如果存在未建模动态特性， k d i 波动将很大，阈值检验的方法将不再适用。但在k d i 中引入一个新指标评价未 建模动态特性，设计合适的决策方案，实现鲁棒检测。 ( 7 ) 基于时间序列特征提取的诊断方法 基于时间序列特征提取的诊断方法基本思想：选取与故障直接相关的状态变量， 建立时问序列过程模型，以模型参数作为特征矢量来辨别故障类型。分为故障特征的 自学习和时| 日】序列的模式识别两个过程。故障特征的自学习是从典型过程中的序列的 特征向量中总结和归纳出故障的特征向量表示，即寻求典型过程序列的特征向量到故 障类型的空问映射：时自j 序列的故障模式识别过程先对待识别序列进行动态数据建模 和特征提取，然后将序列特征输入已训练好的模式识别系统，根据系统输出确定系统 的故障状态。 ( 8 ) 利用6 算子的方法 基于6 算子的构造h i b e r t 空问的最小二乘正交投影响量集，推导出完整的格形滤波 器作为故障检测滤波器，用6 算子描述的后向预测误差向量的首位元素作为残差，并 采用自适应噪声抵消技术使残差仅对故障敏感。该方法可在线检测，具有灵敏度高、 计算量小、抗噪能力强等优点。但无限宽数据窗故障信息难以消除。利用有限宽滑动 数据窗代替无限宽数据窗，并采用归一化滑动窗口协方差形滤波算法，有效的消除了 上述缺陷，由此构造的故障检测器可用于突变及缓变故障信号的检测。 ( 9 ) 分形几何法 分形几何法是将传统几何方法中的整数维数扩展为连续整数，认为自然界中的几 何对象分形，具有不必是整数的分形维数，可以描述为大类十分光滑或不规则的集合 6 硕卜论文糨糙集在故障诊断中的戍用 数。在故障诊断中，可以利用分形几何从测量的那些不规则的故障特征信号中提取它 的结构特征分维数，进行故障诊断。 1 2 2 3 基于知识的方法 基于系统模型的故障诊断方法是针对于较为精确的系统模型，但是在实际工程中 往往难以建立系统的模型或者系统的模型不够准确，这就限制了一般故障诊断方法的 应用。基于知识的方法不需要对象的精确数学模型。常见的基于知识的诊断方法有模 糊诊断方法、基于粗糙集模型的方法、专家系统、人工神经网络方法、基于离散事件 的方法及其基于定性模型的方法。 ( 1 ) 基于模糊理论的方法 模糊逻辑系统是在一定条件下可以任意精度逼近给定的非线性函数。基于模糊逻 辑模型的故障诊断主要有以下几种方法：一种是先建立征兆与故障类型之间的因果 关系矩阵r ，再建立故障与征兆的模糊关系方程；另一方法是根据先验知识建立起故 障征兆与对应原因之间的模糊规则库。根据规则库进行模糊逻辑推理实现故障诊断， 模糊逻辑方法不具各自学习的能力，因此存在模糊诊断知识获取困难的瓶颈，特别是 在故障与征兆的关系较难确定，容易产生漏报和误报，而且系统中模糊规则、隶属度 函数和决策算法的最优化选择比较困难。所以一般把模糊方法与其他的方法相结合， 以期望得到更好的结果，如神经网络、小波分析等结合，使得克服一般模糊诊断方法 精度的缺点。 ( 2 ) 基于粗糙集模型的方法 粗糙集理论是一种新的处理不确定性知识的数学工具，同随机论、模糊论和证据 理论有着密切的关系，由于它不需要任何先验知识，仅从实际数据中得出系统的内在 规律，因此在复杂系统和非线性数学模型系统的故障诊断中具有诱人的应用前景，成 为当i ；i 故障诊断的一个研究热点。基于粗糙集模型的故障诊断方法主要有以下几类： 一种是利用基本的粗糙集理论及其各种推广模型进行故障诊断知识的提取；利用粗糙 集理论简化故障诊断知识，减小故障特征输入量的维数，从而降低故障诊断系统的规 模和复杂性；另种将粗糙集理论与神经网络、模糊理论、专家系统和模式识别等其 他方法相结合，形成各种复合的故障诊断系统；另外，利用粗糙集理论还可以进行一 定的故障模型辨识和故障预报。 ( 3 ) 专家系统方法 专家系统足指利用研究领域专家的专业知识进行推理去解决专业的、高难度的、 实际问题的智能系统。故障诊断专家系统作为专家系统中的个分支，是人们根据长 期的实践经验和大量的故障信息知识，设计出的一种智能计算机程序系统，以解决用 数学模型难以来精确描述的系统故障诊断问题。自从s t a n f o r d 大学于1 9 6 8 年开发出第 碗 论文 一个专家系统以来，专家系统由于其广泛的应用而得到了迅猛的发展。故障专家系统 研究也得到了各囡的高度重视，并在各行业中得到了应用。b e l l 实验室于1 9 8 3 年开发 了用于电话电缆故障诊断与维护的专家系统。e c c 公司开发了一个用于核反应故障诊 断与处理的r e a c t o r 系统。该系统采用混合推理策略。美国通用电气公司研制出用 于内燃一电气机车故障排除的专家系统。美国西屋研究中心与卡内基一梅隆大学合作 研制出了汽轮发电机监控专家系统，用来监视德州三家主要发电厂的七台汽轮发电机 的全天工作情况。我国目前开发出的专家系统主要用于医学领域。专家系统主要是根 据生产人员大量的实践经验和过程运行历史数据以及故障信息，建立起数据库和规则 库，利用各种推理机制和搜索方法，直接的确定出最终的或者最有可能的故障源，并 为操作人员的决策提供支持。专家系统诊断利用了专家积累的丰富实践经验，能够模 仿专家分析问题和解决问题的思路，而且能够解释自己的推理过程，解释结论是如何 获得的。 专家系统能给出人类语言习惯的诊断结果，有效地模拟专家进行故障诊断，但 是由于专家系统自身的特点，使得其在应用过程中存在一些缺陷： 大型专家系统建设周期长，获取完备的知识库比较困难，维护难度大。 缺乏有效的学习机制，对付新情况能力有限，容错能力差，当网络结构和参数 发生变化时，可能得不到正确的结果甚至造成误判。 当系统规模较大时，知识库中的规则骤然增多，搜索匹配规则需耗费大量的时 间，因此推理速度受到限制。 专家系统侧重加强诊断个体，但单一智能系统往往没有足够的知识资源和信息 解决复杂问题，可能造成误判。 ( 4 ) 人工神经网络方法 人工神经网络理论的应用已经渗透到各个领域，并且在智能控制、计算机视觉、 传感器技术与机器人技术等方面取得了令人鼓舞的进展。人工神经元网络同现有的动 态信号处理、专家系统、模期逻辑等诊断技术相结合，为故障信号分析与处理、故障 模式识别、故障领域专家知识的组织和推理方面提供了一种途径，并推动了故障诊断 的智能化。 人工 申经网络是模拟人类神经系统传输、处理信息过程的一种人工智能技术。自 1 9 4 3 年m c c u l l o c h 和p i t t s 第一次提出模拟神经元以来，其迅速发展成为与专家系统并列 的人工智能技术的另一个重要分支。与专家系统相比，神经网络用神经元和他们之问 的有向权重来隐含处理问题的知识，具有以下特点【7 】： 信息分白存储，有较强的容错处理能力。 学习能力强，可以实现知识的自我组织适应不同信息处理的要求。 具有一定的泛化能力。 颂i 论文租糙集在故障诊断中的应用 神经元之间计算具有相对独立性，便于并行处理。 神经网络有极强的非线性拟合能力，且具有联想记忆、鲁棒特性强等特点。 神经网络用于故障诊断主要有四种方式：( 1 ) 直接用神经网络进行故障诊断基本 思想是：以故障征兆作为神经网络的输入，诊断结果作为神经网络的输出。首先利用 己有的故障征兆和诊断结果对神经网络进行离线训练，使神经网络通过权值记忆故障 征兆和诊断结果之间的对应关系，然后就可以利用训练后的神经网络进行故障诊断， 只要将得到的故障征兆加到神经网络的输入端，就可以得到适当的诊断结果；( 2 ) 用 神经网络产生残差神经网络将代替描述系统正常运行时的解析模型，利用神经网络产 生残差。首先直接测量或者在仿真中采集被诊断对象的输入、输出数据，建立起样本 库，用这些样本库的样本数据对神经网络进行训练，然后才能产生残差；( 3 ) 用神经 网络评价残差应用神经网络评价残差时，需要应用残差库和故障库作为样本对其进行 训练，训练结束后即可在线应用神经网络对残差进行评价，以此评价系统是否出了故 障，井指出可能的故障；( 4 ) 用神经网络做自适应误差补偿利用神经网络自适应补偿 方法可以消除模型误差对残差的影响，从而在未建模非线性的情况下实现鲁棒故障诊 断。人工神经元网络诊断技术比传统的故障诊断技术，具有较大的优越性。( 1 ) 并行 结构与并行信息处理方式。使得神经网络具有类似于人类人脑的功能。它不仅在结构 上是并行的，而且处理问题的方式也是并行的，克服了传统智能诊断系统出现的无穷 递归、组合爆炸及匹配冲突等问题，因此它特别适合处理大量的并行信息；( 2 ) 系统 在知识表示和组织、诊断求解策略与实施具有很强的自学习能力。它克服了传统的确 定性理论及模糊诊断理论在应用上的局限性。系统可根据环境提供的大量信息，自动 进行联想、记忆及聚类方面的自组织学习能力，也可在导师的指导下学习特定的任务， 从而达到自我完善：( 3 ) 具有很强的容错性。当外界输入到神经网络中的信息存在某 些局部错误时不会影响到整个系统的输出性能。 ( 5 ) 基f 离散事件的方法 基于离散事件的故障诊断方法是近年来发展起来的一种新型故障诊断方法，其基 本思想是：离散事件模型的状态既反映正常状态，又反映系统的故障状态，系统的故 障事件构成整个事件集合的一个子集。系统的正常事件构成故障事件的补集。故障诊 断就是确定系统是否处于故障状态和是否发生了故障事件。这种方法的主要优点是不 需要被诊断系统精确的数学模型。 ( 6 ) 基于定性模型的方法 基于定性模型的方法不需要过多的过程知识和精确的数学模型，而注重于系统描 述的准确性而非精确性。它可以分为基于浅层知识和深层知识的诊断系统，它比专家 系统的方法大大简化了知识获取的过程，定性仿真是基于定性模型的故障诊断方法的 重要组成部分，它用表示系统物理参数的定性变量和表示各参数日j 相互关系的定性微 9 绪论 硕 论文 分方程、符号、间隔序列、模糊集等建立约束模型，描述并模仿系统的结构，以确定 从给定的初始状态出发得到的系统状态。知识观测器方法类似于基于数学模型方法中 的状态观测器和卡尔曼滤波器，它由定性模型、差异检测器、候选人发生器和诊断决 策四部分组成，其中定性模型是知识观测器的核心。 1 3 粗糙集理论概述和研究现状 1 3 1 粗糙集理论概述 粗糙集理论是一种刻画不完整性和不确定性的数学工具，能有效地分析和处理 不精确、不一致和不完整等各种不完备信息，并从中发现隐含的知识，揭示潜在的 规律。1 9 8 2 年，以波兰数学家p a w l a k 为代表的研究者在研究不精确、不确定性及 不完全知识表示和分类的基础上，首次提出了粗糙集理论。1 9 9 1 年p a w l a k 教授出 版的第一本关于粗糙集的专著( r o u g hs e t s ：t h e o r e t i c a la s p e c t so fr e a s o n i n ga b o u t d a t a i s 4 1 和1 9 9 2 年s l o w i n - - s k i r 主编论文集的出版【8 5 1 ，推动了国际上对粗糙集理 论与应用的深入研究。1 9 9 2 年在波兰k i e k r z 召开了第一届国际粗糙集合研讨会，这 次会议着重讨论了集合近似定义的基本思想及其应用和粗糙集合环境下的机器学习 基础研究，从此每年都会召开一次以粗糙集理论为主题的国际研讨会，从而推动了 粗糙集理论的拓展和应用。另外，国际上还成立了粗糙集学术研究会，参加的成员 来自波兰、美国、加拿大、日本、挪威、俄罗斯、乌克兰和印度等国家【s l 。目前粗 糙集理论已成为人工智能领域中一个较新的学术热点，引起了越束越多的科研人员 的关注。 粗糙集理论应用的领域： ( 1 ) 人工智能，专家系统 ( 2 ) 决策支持系统 ( 3 ) 知识与数据发现 ( 4 ) 模式识别与分类 ( 5 ) 故障检测，开关电路 ( 6 ) 信息系统分析，归纳推理 粗糙集理论的主要优势在于它不需要任何预备的或额外的有关数据信息。它认 为知识就是人类和其他物种所固有的分类能力。分类是推理、学习与决策中的关键 问题。因此，粗糙集理论假定知识是一种对对象进行分类的能力。这垦的“对象”是 指我们所能言及的任何事物，比如实物、状态、抽象概念、过程和时刻等等。即知 识必须与具体或抽象世界的特定部分相关的各种分类模式联系在一起，这种特定部 分称之为所讨论的全域或论域。对于全域及知识的特性并没有任何特别假设。事实 1 0 硕 论文 枢糙集在故障诊断中的戍用 上，知识构成了某一感兴趣领域中各种分类模式的一个族集，这个族集提供了关于 现实的显事实，以及能够从这些显事实中推导出隐事实的推理能力。 1 3 2 粗糙集理论研究现状 粗糙集理论提出以来，大致从两个方面进行理论研究。一方面是理论研究，主要 集中在其数学性质、粗糙集拓广、与其它不确定方法的关系和互补、多a g e n t 系统中 粗糙集、粒度计算、有效算法以及在知识发现过程中的应用等方面。另一方面是在应 用研究方面，目前国际上已经研制出来许多基于粗糙集的应用软件，如r o s e t a 是波兰 华沙大学和挪威科技大学联合开发的基于粗糙集的k d d 决策分析系统。该软件可以 处理多种格式的数据，逐步分析数据，最后得到决策规则。k d d r 是由加拿大r e g i n a 大学研制开发的基于可变精度g o u g k s c t 扩 展模型的数据库知识发现系统。l e r s 是美 国k a n s a s 大学开发的基于粗糙集的实例学习系统，曾用于医学研究、气候预测和环境 保护等。r o u g h d a s & r o u g h c l a s s 是波兰p o z n a n 3 业大学开发的基于r o u g h s e t 的决策 分析系统。但同时粗糙集理论还处在继续发展的情况之下，正如粗糙集理论的创立人 p a w l a kz 所指出的那样，尚有一些理论上的问题需要解决。这其中包括：( 1 ) 缺失值处 理方法研究，在对样本数据进行处理时，因为会遇到数据丢失的问题。特别是在不完 备的信息系统中，造成数据丢失的原因很多，如对数据测量的误差、数据处理和数据 获取的限制等。由于经典粗糙集理论是基于完备信息系统的，为了使这一理论适合于 不完备信息系统的处理，需要采用特定的方法对缺失值进行处理，从而建立能够处理 不完备信息系统的扩展粗糙集模型；( 2 ) 连续属性的离散化处理，因为粗糙集只能处 理离散化的属性，而现实中存在的数据一般具有连续型的属性。因此，连续属性的离 散化变得极为重要；( 3 ) 高效约简算法探索，高效的约简算法是粗糙集理论应用于知 识发现的基础，要在令人可接受的时间内获得约简的通常做法是基于启发式知识的约 简方法；( 4 ) 大数据集合问题的解决，在现实情况下数据库越来越大，那么如何降低 算法的执行效率和复杂度，使得能从众多数据中寻找最有用的数据；( 5 ) 多方法融合， 由于粗糙集在处理数据时存在一定的缺点，因此有必要把粗糙集和其他不确定方法结 合起来。 1 4 本文的内容和安排 故障诊断控制系统是建立在控制系统基础之上，它是通过人工智能的方法，来确 定故障元件，并将其迅速从系统中诊断出来，从而恢复系统的功能。在对于小型的控 制系统，各种智能化方法还能取得一定的成效，但在对于大型控制系统，现有的人工 智能方法，部存在着各自的弊端。特别是当系统故障诊断所依据的信息在其形成和传 绪论 碗论文 递过程中发生信息的畸变或丢失时，使得诊断系统有可能做出错误的结果。因此应用 粗糙集理论的决策表方法，通过尝试采用粗糙集理论并结合神经网络的多处理方法来 达到系统故障诊断的目的，从而较好的解决系统故障诊断的瓶颈问题。 本文所做的主要工作如下： 1 针对故障诊断决策表中的值用离散数据表示，提出一种基于属性主次的离散化 改进算法，其是根掘候选断点集合逐步减少断点的数量的算法。通过实例证明该算法 可以达到去除多余断点的目的。 2 总结了常用约简算法的前提下，提出了改进可辨识矩阵和值约简算法，并将两 种算法进行了比较，证明其快速性。 3 针对前面给出的故障诊断最小属性约简表，提出了混合决策规则的方法，并将 其应用到神经网络当中，从而达到减少训练样本的目的。 本文内容安排如下： 第一章绪论 介绍了故障诊断的基本概念、发展状况和趋势。以及故障诊断的基本方法和粗糙 集理论概述和研究现状。 第二章粗糙集理论 介绍粗糙集理论的基本概念、基本理论。着重介绍了粗糙集的约简和核，以及规 则提取和知识的概念。 第三章数据处理 由于粗糙集只能处理离散数据，因此在分析总结离散化方法的基础上，提出一种 使连续性数据进行数据离散化的改进方法，为故障诊断打下基础。 第四章数据约简粗糙集算法 提出一种基于卡h 糙集理论的分辨识矩阵理论的改进算法和改进值约简算法，将其 与基本粗糙集算法进行比较，验证该算法的有效性。 第五章基于粗糙集的神经网络故障诊断 利用前面提出的算法给出了混合规则提取方法，并将其与神经网络相结合，通 过实例证明将两者相结合可以减少故障诊断的训练样本，从而提高故障诊断的速度。 硕t 论丈 相糙集在故障诊断中的应用 2 粗糙集理论 2 1 引言 2 0 世纪8 0 年代初，波兰的p a w l a k 针对g f r e g e 的边界线区域思想提出了粗糙 集，他把那些无法确认的个体都归属于边界线区域，而这种边界线区域被定义为上近 似集和下近似集之差集。由于它有确定的数学公式描述，完全由数据决定，所以更有客 观性。粮糙集理论是一种新型的处理模糊和不确定知识的数学工具。1 9 9 1 年波兰 p a w l a k 教授的第一本关于粗糙集的专著r o u g hs e t s ：t h e o r e t i c a la s p e c t so f r e a s o n i n g a b o u td a t a 和1 9 9 2 年r s l o w i n s k i 主编的关于粗糙集应用及其与相关方 法比较研究的论文集的出版，推动了国际上对粗糙集理论与应用的深入研究。1 9 9 2 年在波兰k i e k r z 召开了第一届国际粗糙集讨论会。从此每年召开一次以粗糙集理论 为主题的国际研讨会。经过十几年的研究与发展，粗糙集在理论和实际应用上取得 了长足的进展。粗糙集理论的主要优势在于它不需要任何预备的或额外的有关数据 信息。自提出以来，许多计算机科学家和数学家对粗糙集理论及其应用进行了坚持 不懈的研究，使之在理论上日趋完善，特别是由于2 0 世纪8 0 年代末和9 0 年代初在 知识发现等领域得到了成功的应用，近年来其在规则提取，属性约简和数据挖掘方 面的应用而越来越受到国际上的广泛关注1 9 】。 粗糙集理论的关键是将分类与知识联系在起，粗糙集理论认为知识就是将对象 进行分类的能力。也就是说通过这些知识能够将其划分到不同的类别中。如果我们对 两个具有相同元素的信息划分，则它们就是不可分的。而作为一种数学理论，租糙集 则使用等价关系来形式化地表示分类。在粗糙集理论当中知识就理解为：使用等价关 系集r 对离散表示的空f b j u 进行划分，知识就是r 对u 划分的结果。由此，在u 与r 的 意义下，知识库也就可以定义为：属于r 中的所有可能的关系对u 的划分，k 就是一个 知识库也就是关系系统【1 0 1 ，记为 k = ( u ，月) 为了描述知识的确定程度，粗糙集理论引入了上近似与下近似的概念，并用这些概念 来定义u 中的一个子集合b 与被关系r 划分之后的u 的结合程度，称为粗糙度。粗糙集 由此而来。不仅如此，粗糙集理论还包含了求取大量数据中最小不变集合和求解最 小规则集的理论。粗糙集理论与传统集合理论、模糊集理论有着相似之处，但是它们 又有所不同。粗糙集理论的特点是：无需提供除所需处理的数据集合之外的任何先验 信息，这是这个理论与传统集合理论、模糊集理论的最主要的区别，也是最重要的优 点。具体地说，集合的交和并就是建立在其元素的隶属度的操作之上的，因此，在传 翱糙集理论 硕卜论交 统的集合理论和模糊集理论中其隶属度和隶属度函数须事先给定，也就是需要凭借系 统设计者的经验事先给定，这些不确定性的因素带有强烈的主观色彩。而在粗糙集理 论中，成员关系不再是一个原始的概念，也就足无需给定元素指定一个隶属度，从而