齐晓轩， 纪建伟， 原忠虎

(1.沈阳农业大学信息与电气工程学院，辽宁沈阳 110161;2.沈阳大学信息工程学院，辽宁沈阳 110044)

0 引 言

故障诊断具有复杂性、多样性、不确定性等特点[1]。为了提高故障诊断的可靠性，需要获取大量的故障征兆参数来全面描述故障模式。故障诊断过程中，不同征兆参数的重要性有所不同，有些参数甚至是冗余的。另外，在参数信息获取过程中，通信异常也可能导致故障信息的不一致或不完备。如果不加选择地将全部参数信息直接用于诊断，必然会降低故障诊断的准确性和实时性，因此，对故障诊断中的冗余征兆参数进行约简是十分必要的。

粗糙集是波兰学者Pwalak于1982年提出来的一种数学工具[2]，能有效地分析不精确、不一致和不完整等不完备信息，从中发现隐含知识，揭示潜在的规律。基于粗糙集的属性约简方法被广泛应用于特征选择过程中，可以在保证分辨能力的前提下，对输入征兆信息进行约简，降低特征向量的维数[3]。文献[4]提出了一种基于变相似度的模糊粗糙集模型，在保证分类准确性的前提下获得多层次的属性约简集合，以增强对信息的灵活掌握;文献[5]运用差别矩阵元素项的特性，提出了一种新的启发式约简完备算法，可有效地降低区分矩阵约简算法的空间复杂度;文献[6]提出了一种基于概念格模型的完备约简算法，解决了区分矩阵算法的局限性以及启发式算法的不完备性等问题;文献[7]提出了一种基于核值信息和吸收率的优化算法，对分辨矩阵的构造过程进行了改进，简化运算，提高了时间性能。……