谢玲玲, 雷景生, 徐菲菲

(上海电力学院 a.电子与信息工程学院; b.计算机科学与技术学院, 上海　200090)



基于改进的邻域粗糙集与概率神经网络的水电机组振动故障诊断

谢玲玲a, 雷景生b, 徐菲菲b

(上海电力学院 a.电子与信息工程学院; b.计算机科学与技术学院, 上海200090)

摘要:提出了一种基于改进的邻域粗糙集与概率神经网络的水电机组振动故障诊断方法.该方法将邻域粗糙集中的近似精度与信息论观点中的条件熵结合,提出近似条件熵的属性约简算法,减少故障冗余信息,得到最优决策表,并将得到的最优决策表作为概率神经网络(PNN)的训练样本,提高了PNN的训练速度和诊断效率,通过实验证明了所述方法的可行性和有效性.

关键词：邻域粗糙集; 近似条件熵; 属性约简; 概率神经网络; 故障诊断

由于水电机组的振动故障十分复杂,涉及机械、水力和电气等多方面因素,且故障征兆与类别之间的关系也很复杂,故障信息又包含大量的不确定因素和冗余信息,如何去除这些冗余信息成为研究的重点.

粗糙集理论[1-4]是波兰数学家PAWLAK Z在1982年提出的,它能够很好地定量分析和处理不确定和不完整的信息,在保证信息不丢失的前提下,进行规则提取和属性约简.属性约简是粗糙集理论的核心内容之一,目前已有许多启发式属性约简方法[5-9],这些方法大多以属性重要性作为启发式信息.苗夺谦等人[5]提出了一种基于互信息的启发式约简算法;魏巍等人……