粗糙集理论在故障诊断中的应用研究
基于粗糙集理论的电力系统故障诊断研究
基于粗糙集理论的电力系统故障诊断研究引言：电力系统是现代社会不可或缺的重要基础设施之一，对于能源的供给和社会经济的发展起着至关重要的作用。
然而，电力系统中的故障问题是无法避免的。
故障会导致设备损坏、供电中断甚至火灾等重大事故，给人们的生活和工作带来巨大的不便和风险。
因此，及时准确地诊断和解决电力系统故障问题是工程技术人员亟待解决的难题。
一、电力系统故障的特点电力系统故障的特点是多样性和复杂性。
电力系统由众多的设备和元件组成，系统内的故障可能涉及到发电机、变压器、输电线路、配电设备等多个方面。
故障种类繁多，如欠电压、过电压、短路、接地故障等。
此外，故障产生的原因也多种多样，可能是设备老化、缺乏维护、操作不当等。
因此，要对电力系统中的故障进行准确的诊断，需要综合运用多种分析和判断方法。
二、粗糙集理论粗糙集理论是计算机科学和人工智能领域中的一种数学方法，能够处理不完全和不确定信息。
它通过表示和处理信息的粒度来描述和分析问题。
粗糙集理论采用数据的上近似和下近似来确定事物之间的关系和相似度，从而对事物进行判断、分类和归纳。
三、基于粗糙集理论的电力系统故障诊断方法基于粗糙集理论的电力系统故障诊断方法主要包括以下几个步骤：1. 数据采集与预处理：通过传感器和监测设备对电力系统运行数据进行采集，并进行数据预处理，包括数据去噪、归一化等操作。
2. 特征选择：从大量的数据中提取出与故障相关的特征，这些特征能够反映系统状态的变化和异常情况。
3. 粗糙集建模：根据选取的特征构建粗糙集模型，将系统状态和故障之间的关系用粗糙集的上近似和下近似表示。
4. 规则提取：通过对粗糙集模型进行分析，提取出系统状态和故障之间的规则，并根据规则建立故障诊断模型。
5. 故障识别和诊断：将待诊断的实际故障数据输入故障诊断模型，通过计算和匹配，判断和识别故障的发生和类型，并给出相应的诊断结果。
6. 故障修复：根据诊断结果采取相应的措施和方法进行故障修复和处理，包括更换设备、调整参数、重新配置等。
粗糙集理论在智能故障诊断中的应用
中 国机 械 工 程 第 １ ３卷 第 ２ １期 ２ ０ ０ ２年 １ １月 上 半 月
文 章 编 号 ： ０ ４ １ ２ｘ （ ０ ２ ２ — １ ５ — ０ １０ — ３ ２ ０ ） １ ８６ ３
粗 糙 集 理 论 在 智 能 故 障诊 断 中 的应 用
收 稿 日期 ： ０ １ ０ — １ ２０ — ６ １
图 １ 粗 糙 集 一神 经 网 络 系 统 框 图
各 个 部 分工 作 原 理 如 下 ： （ ） 习样 本 集 １学 从 收集 的 原 始 数 据 中 产 生 。
数 据 的多 少 取 决 于 许 多 因 素 ， 神 经 网 络 的大 小 ， 如
能 性 规 则 。结 果 表 明 粗 糙 集 方 法 能 处 理 由 于 类 重 叠 引 起 的 样 本 信 息 不 精 确 、
不 一 致 情 况 下 的 规 则 获 取 ， 除 故 障诊 断 中 的 误 报 和 漏报 现 象对 诊 断 性 能 消
的影响 。
郝丽 娜
副 教授
关 键 词 ： 糙 集 理 论 ； 经 网络 ； 则 获 取 ； 障诊 断 粗 神 规 故
中 图分 类 号 ： ２ ７ ＴＰ ７ 文献标识码 ： Ａ 定 哪 些 知 识 是 冗 余 的 ， 些 知 识 是有 用 的 ， 练 时 哪 训
１ 粗 糙 集 理 论
粗 糙 集 （ｏ ｇ ｅ ， ） 论 是 为 开 发 自动 规 ｒ ｕ ｈ ｓ ｔＲＳ 理
则 生 成 系 统 而 提 出 的 ， 基 于 不 可 分 辨 性 的思 想 是
基 金 项 目 ： 安 交 通 大 学 机 械 制 造 系 统 工 程 国 家 重 点 实 验 室 西
策 表 的 简 化 又 可 以利 用 并 行 算 法 处 理 。粗糙 集 方
粗糙集理论在柴油机故障诊断中的应用
根据不可分辨关 系 ， Ｒ可 以有多种约简 。 Ｒ中所 有必要关 系组成的集合称 为 Ｒ的核 ， 记作 ｃｒ（ ） ｏ Ｒ， ｅ
ｃｒ（ ｏｅＲ）＝ｎ ｒ （ ） ｅ Ｒ 。 ｄ ３ 基 于粗糙集理论的特征值优化
３ １ 特 征 值 的提 取 ．
在粗糙集理论 中， 知识 被认 为是一 种对抽象 或 现实对象进行分类 的能力 。在分类过 程 中， 将相差 不大的个体归为一类 ， 它们之 间的关系 即为不可分 辨关 系（ 记为 ｉ ） 它是粗糙集理论 的基础。 ｎ ， ｄ
良 ： 同工况 的样本 变化 明显 ， 不 同种工 况 的样本波 动较 大 ，
或 者不 同工况 的样 本变化 较小 ， 同种 工况 的样本 波 动也 但
很小；
中 ： 同工况 的样本 变化 较 明 显 ， 不 同种 工 况 的样 本 波动 较
大， 或者 不同工 况 的样本 变 化 较小 ， 同 种工 况 的样 本 波 但
振 动信号 的采 集实验 ， 置 了 ２ 设 ２个测点 ， 三种 转 速 ， 种 转 速 下 又 设 置 了 九种 工 况 （ 常 和 ８种 故 每 正 障 ） 其 中八 种故 障工 况 ， 两种 为漏油 ， ， 有 三种 为断 油 ， 结 起来 是 五 种 类 型 的 故 障 ， 漏 油 故 障 （ １ 、 总 即 Ｇ ） 断油故障 （ ２ 、 Ｇ ） 供油提前角增 大 （ ３ 、 Ｇ ） 供油提 前角 减小 （ ４ 、 Ｇ ） 空气滤清器堵塞 （ ５ 。将 ２ Ｇ ） ２个测点 的 振动数据进行 小波包分解 提取 特征参 数 ， 九种工 况 每 种 工 况 取六 个样 本 ， 得 到 ３５ ４ 样本 ，６个 特 共 ６ 个 １ 征值对各种故 障类 型 的敏感与 否如表 １所示 ， 中 其 “＋” 表示 该特征值 对此种 故障敏 感 ，／ 表示 该特 “” 征值对 此种故 障不敏感 。
粗集理论在网络故障诊断系统中的应用
文章编号:10044736(2003)02008503粗集理论在网络故障诊断系统中的应用王筱渝,许娅丽(中南民族大学计算机学院,湖北武汉430074)摘 要:在网络故障诊断系统中,对反映网络信息的M I B 变量,利用粗集(Rough Set )理论约简出最有利于分类的变量集合,并获得分类的决策规则.实验结果表明,对解决网络故障特征提取,提高故障分类正确性等问题有较好的效果.关键词:粗集;网络故障;分类中图分类号:O 144,T P 393 文献标识码:A收稿日期:20030321作者简介:王筱渝(1957),女,山东人,实验师,研究方向:计算机网络.0 引 言粗集理论是80年代初由波兰数学家Z .Pa w lak 首先提出的一个分析数据的数学理论,它研究不确定知识的表达、学习、归纳等方法.粗集理论的要点是将分类与知识联系在一起,用等价关系来表示分类,而被划分的集合称为概念(或范畴).为了排除随机因素的影响,对每一种故障状态需要采集多组实验样本进行分析,直到故障集合达到稳定,此时的集合样本才能真正反映该故障的特征,保证后续决策规则的正确产生.同时应该去掉信息表中经过第一和第二步处理产生的重复的样本数据,简化约简表及特征样本.1 网络故障管理的基本理论及系统维护问题随着计算机网络在社会各个领域的作用的日益重要,如何保证其稳定地、可靠地运行与维护成为网络管理系统面临的紧迫问题.当前的网络管理系统及维护大多基于简单网络管理协议(SNM P ),并依靠,M I B 变量所提供的信息来完成国际标准化组织(ISO )提出的故障管理、配置管理、性能管理、安全管理和记费管理等五大网络管理功能.SNM P 标准主要由三部分组成[1]:简单网络管理协议;管理信息结构S M I (Structure of M an 2age m ent Info r m ati on )和管理信息库.SNM P 协议主要涉及通信报文的操作处理.协议规定了M an 2ager 和A gent 的通信方式,定义了它们之间交换报文的格式和含义,以及每种报文的处理方式等.S M I 协议和M I B 协议是关于管理信息的标准,具体地规定了被管对象的定义格式、M I B 中的对象类型以及访问这些对象的方法等.M I B 协议规定了管理信息库的对象类型、存储格式以及所允许对每个对象的操作等.M I B 协议[2]的目标之一是建立一个通用的存储格式,使被管对象与管理协议无关.作为标准的SNM P 管理信息库,SNM P M I B 将管理对象分为10类,包括Syste m 、In 2terface 、A ddress T ran slati on 、IP 、I CN P 、TCP 、UD P 、EGP 、T rans m issi on 、SNM P ,每一类在M I B 节点下都对应一个子树.由于SNM P M I B 没有定义应用层M I B 和通信子网M I B ,所以IET F 对应用和通信子网的管理以独立的M I B 研究,等到其完全标准化后,再纳入SNM P M I B 中,例如,网络服务监视M I B 、主机资源管理M I B 、IEEE 802-5令牌环管理M I B 等[3].在实际应用中,还需要分析各大公司的各自拥有M I B 变量.在网络维护及故障诊断系统对网络的监测与控制也都是通过对M I B 变量的访问来实现的.然而,如上所述,国际标准化组织为了适应网络的飞速发展,通过不断地制定新的M I B 的方法满足传统的网络策略,这给维护与故障诊断带来了很大的困难.2 实验举例2.1 实验环境实验网的拓扑结构如图1所示.在已建立的局域网络中,使用自己编写的防火墙(内部有可控制代码),设定几种类型的故障;如接口阻碍,IP 地址变化,磁盘数据传输错误等.可以说所有计算机网络系统故障显示信息都是粗集.第25卷第2期 武 汉 化 工 学 院 学 报 V ol .25 N o .2 2003年6月 J. W uhan Inst . Che m. T ech. Jun. 2003图1 实验拓扑结构F ig .1 Topol ogy structure2.2 实验步骤2.2.1 划分目标数据集 实验的主要分析对象是C isco 2620路由器在物理层和数据链路层的串口故障.根据领域知识,这些故障主要反映在接口组的M I B 变量上,这包括标准的M I B II 变量以及设备厂家的私有M I B 变量.2.2.2 数据预处理 由M I B II (R FC 1213)标准可知,标准的接口组变量不包括ifT able 、ifEn 2try 共有22个,其中if Index (接口的索引)、if D escr (接口的描述)、ifPhys A ddress (接口的物理地址)、ifSpecific (接口使用的介质,此值通常是0.0,被去掉)是明显与判断故障无关的M I B 变量应省去;由C isco 2620路由器的私有M I B 变量标准可知,其接口组有36个变量,其中l ocIfH ardT ype (接口的类型)、l ocIf D escr (接口的描述)是与判断故障无关的M I B 变量应省去.然后,对部分M I B 变量进行离散化处理,主要是累加型变量的离散化.由于该例主要是验证方案的可行性,为简单起见,采用以下方法:不增加记为0;增加记为1.若因此出现相互矛盾的决策,再进行细分.定性变量可用自然数进行编码.2.2.3 选择有效的实验样本 在每种状态下取多组M I B 变量,范围是2.2.2中经过首次筛选剩下的M I B 变量.计算每两组M I B 变量值之间的改变量,如果离散后的数据出入太大,则说明有随机因素的干扰,需要再取数据,直到达到稳定,此时的数据即为有效数据.本例只考虑了六种状态:正常(N o r m al )、串口线缆断开(E rror 1)、DCE (1601)串口断开(E r 2ror 2)、D T E (2620)串口断开(E rro r 3)、2620串口管理性关闭(E rror 4)、2620串口协议错(E rror 5).将六种状态的有效数据汇总成表1.表1 实验数据T able 1 Experi m ental data序号A 1A 2A 3A 4A 5A 6A 7A 8A 9A 10A 11A 12A 13D EC 1231100120000up up nor m al 2231100110000up up nor m al 3231200000010dow n up fault 14231200000010dow n up fault 15231200000010dow n up fault 26231200000010dow n up fault 27231200000010up dow n fault 38231200000010up dow n fault39232200000000up dow n fault 410232200000000up dow n fault 411231*********up up fault 5122312111111upupfault 5注:A 1为接口协议类型(23是PPP );A 2为接口管理状态(1是正常、2是关闭);A 3为接口当前状态(1是up 、2是dow n );A 4为包含错误的输入包数(0是不变、1是增加);A 5为由于定向到不支持的协议而被丢弃的包数(0是不变、1是增加);A 6为接口当前状态(1是up 、0是dow n );A 7为平均输入流量(0是不变、1是增加、2是不定);A 8为平均输出流量(0是不变、1是增加、2是不定);A 9为CRC 校验错的包数(0是不变、1是增加);A 10为内部重启的次数(0是不变、1是增加);A 11为收到CD 信号的次数(0是不变、1是增加);A 12为Telnet 文本信息;D SRDCE 设备就绪(up );A 13为Telnet 文本信息;D TR 为D TE 设备就绪(up );D EC 为故障类型(原因).68武汉化工学院学报第25卷2.2.4 数据样本的一致性 应采取如下在系统维护与故障诊断过程中,为确定故障的层次及故障类型数据样本一致性,检查输入数据的一致性,若出现决策相互矛盾,则措施:合并决策属性,检查数据有效性(即返回上一步),或增加属性等.2.2.5 差别矩阵的属性约简方法 由于已经证明计算所有约简并得到最佳约简是一个N P 难题,一般来说,针对不同的问题,可以代价最小或路径最短等为目标,或者从数据表入手,遵循(1)选择属性最少的约简.(2)选择属性取值组合最少的约简.在实际工作中,在编制故障诊断及维护软件时,我们必须考虑和采用了基于差别矩阵的属性约简方法,其算法描述如下:令M 是信息表S (或决策表T )的差别矩阵,M 的元素表示为A ij ,称为项,它是S (或T )中第i 个样本与第j 个样本有差别的所有属性的集合。
粗糙集理论在故障诊断与预测中的应用
粗糙集理论在故障诊断与预测中的应用故障诊断与预测是现代工业生产中非常重要的一项技术。
通过及时准确地诊断和预测设备的故障，可以有效地避免生产事故的发生，提高生产效率和设备的可靠性。
而粗糙集理论作为一种有效的数据分析方法，被广泛应用于故障诊断与预测中。
粗糙集理论是由波兰学者Pawlak于1982年提出的一种基于不完全信息的数据处理方法。
它的核心思想是通过将数据进行粗糙化处理，将不完全信息转化为可用的决策知识。
在故障诊断与预测中，粗糙集理论可以帮助我们从大量的数据中提取出有用的信息，辅助我们进行故障诊断和预测。
首先，粗糙集理论可以帮助我们进行故障诊断。
在工业生产中，设备故障的种类繁多，且常常伴随着大量的数据。
通过应用粗糙集理论，我们可以将这些数据进行特征提取和粗糙化处理，从而得到一组简化的决策规则。
这些规则可以帮助我们快速准确地判断设备是否出现故障，并确定故障的具体类型。
相比于传统的故障诊断方法，粗糙集理论不需要事先对数据进行特定的假设，可以更好地适应不同种类的故障。
其次，粗糙集理论还可以应用于故障预测。
在工业生产中，设备的故障往往是一个渐进的过程，通过提前预测设备的故障，可以采取相应的维护措施，避免生产中断和损失。
粗糙集理论可以通过分析设备的历史数据，建立设备运行状态与故障之间的关联模型。
通过这个模型，我们可以预测设备的故障发生概率，并提前采取相应的维护措施。
相比于传统的故障预测方法，粗糙集理论不需要对设备的工作环境和运行状态进行严格的假设，可以更好地适应复杂多变的生产环境。
此外，粗糙集理论还可以结合其他数据分析方法进行故障诊断与预测。
例如，可以将粗糙集理论与神经网络、遗传算法等方法相结合，提高故障诊断与预测的准确性和可靠性。
通过将不同的数据分析方法进行融合，可以更好地利用数据的信息，提高故障诊断与预测的效果。
综上所述，粗糙集理论在故障诊断与预测中具有广泛的应用前景。
通过应用粗糙集理论，我们可以从大量的数据中提取有用的信息，辅助我们进行故障诊断和预测。
如何使用粗糙集理论解决大数据环境中的异常检测与故障诊断问题
如何使用粗糙集理论解决大数据环境中的异常检测与故障诊断问题随着大数据技术的快速发展，大数据环境中的异常检测与故障诊断问题变得越来越重要。
在海量数据中准确地识别异常和故障，对于保障系统的稳定运行和提高工作效率至关重要。
粗糙集理论作为一种有效的数据分析方法，可以帮助我们解决这些问题。
一、粗糙集理论的基本概念与原理粗糙集理论是由波兰学者Zdzislaw Pawlak于1982年提出的一种基于不确定性的数据分析方法。
它的核心思想是通过粗糙近似来处理不完备和不确定的数据，从而进行数据的分类、决策和推理等任务。
粗糙集理论的基本概念包括：属性、决策系统、等价类、正域和约简等。
其中，属性是数据的特征，决策系统是由属性和决策组成的数据集合，等价类是指在某个属性上具有相同取值的数据的集合，正域是指在某个属性上取值相同的数据的集合，约简是指在保持决策能力的前提下，去除无关属性的过程。
二、粗糙集理论在异常检测中的应用在大数据环境中，异常检测是一个非常重要的任务。
粗糙集理论可以通过对数据进行属性约简和决策规则的提取，来识别出异常数据。
首先，我们需要对数据进行属性约简，即找出对异常检测有重要影响的属性。
通过计算属性的重要性度量，可以筛选出与异常相关的属性。
然后，根据约简后的属性集合，可以提取出一组决策规则。
这些决策规则可以帮助我们判断数据是否异常。
通过对新的数据进行决策规则的匹配，可以快速准确地识别出异常数据。
三、粗糙集理论在故障诊断中的应用故障诊断是大数据环境中的另一个重要问题。
粗糙集理论可以通过对数据进行属性约简和决策规则的提取，来帮助我们进行故障诊断。
首先，我们需要对数据进行属性约简，即找出对故障诊断有重要影响的属性。
通过计算属性的重要性度量，可以筛选出与故障相关的属性。
然后，根据约简后的属性集合，可以提取出一组决策规则。
这些决策规则可以帮助我们判断数据所属的故障类型。
通过对新的数据进行决策规则的匹配，可以快速准确地进行故障诊断。
粗糙集理论在故障诊断与预测中的实际应用案例分享
粗糙集理论在故障诊断与预测中的实际应用案例分享引言：故障诊断与预测是现代工业生产中不可或缺的环节。
而粗糙集理论作为一种有效的数据处理和分析方法，被广泛应用于故障诊断与预测领域。
本文将分享一些粗糙集理论在故障诊断与预测中的实际应用案例，以展示其在工业生产中的重要性和价值。
一、故障诊断故障诊断是指通过对设备或系统的异常状态进行分析和判断，确定故障原因和位置的过程。
粗糙集理论在故障诊断中的应用主要体现在数据处理和特征提取方面。
在某汽车制造厂的生产线上，由于设备故障导致生产效率下降。
为了解决这一问题，工程师采用了粗糙集理论进行故障诊断。
首先，通过传感器采集了大量的设备运行数据，包括温度、压力、振动等参数。
然后，利用粗糙集理论对这些数据进行处理，提取出与故障相关的特征。
最后，根据特征分析结果，确定了导致设备故障的原因，并采取相应的维修措施。
通过这种方式，生产线的故障率明显降低，生产效率得到了提升。
二、故障预测故障预测是指通过对设备或系统的运行状态进行分析和预测，提前发现潜在的故障风险，以便采取相应的维修措施。
粗糙集理论在故障预测中的应用主要体现在特征选择和模型构建方面。
在某电力公司的发电厂，为了提高设备的可靠性和运行效率，工程师决定采用粗糙集理论进行故障预测。
首先，从大量的运行数据中，利用粗糙集理论进行特征选择，筛选出与故障相关的特征。
然后，利用这些特征构建预测模型，通过对设备运行状态的监测和分析，提前发现潜在的故障风险。
最后，根据预测结果，采取相应的维修和保养措施，避免了设备故障对发电厂的影响。
通过这种方式，发电厂的设备可靠性得到了显著提升。
三、粗糙集理论的优势粗糙集理论在故障诊断与预测中的应用，具有以下几个优势：1. 数据处理能力强：粗糙集理论能够对大量的数据进行处理和分析，提取出与故障相关的特征，帮助工程师快速准确地诊断和预测故障。
2. 模型构建灵活：粗糙集理论可以根据具体的问题和需求，构建不同的预测模型，适应不同的工业生产环境。
粗糙集理论在光纤传输网络故障诊断中的应用_马志强
Network World ・网络天地Electronic Technology & Software Engineering 电子技术与软件工程• 31【关键词】数据挖掘 光纤传输网络 故障诊断 粗糙集1 引言随着信息产业和大规模数据服务器的迅猛发展，越来越多的企业选择将生产运营中的各类业务电子化信息化，在此过程中，密集波分复用的光纤通信技术为海量数据交互提供了可靠的数据传输平台。
光纤通信已成为制约信息传输的关键节点，稳定可靠高质量的网络服务也是未来发展的重点之一。
本文以朔黄线光纤传输系统为研究对象，通过对传输系统的各个环节进行深入分析，用MA TLAB6.5建立传输系统的数据仿真模型，并通过仿真得到在不同故障条件下光纤OTDR 曲线及传输告警信息建立异常特征向量，采用数据挖掘技术中适用于解决不精确、不完备问题的粗糙集理论，对特征向量进行识别和归纳，并得到了预期的效果。
本文只是对粗糙集理论在光纤传输网络系统中的应用做了初步探索，进一步研究工作还在继续中。
2 光纤传输网络故障诊断系统架构朔黄线传输系统采用SDH 光同步数字传输体制环形组网，传输媒介为光缆，兼容原有的PDH 传输网络，同时采用了较先进数字交叉连接（DXC ）和分插复用器（ADM ），具备自愈功能和链路重组功能。
由于SDH 数据帧结构中设定了专用信号比特，使得其可形成自动化、智能化的统一的网络管理体系，实现故障告警以及性能指标监控。
朔黄线光纤传输网络故障诊断系统可分为信息采集子系统、信息处理子粗糙集理论在光纤传输网络故障诊断中的应用文/马志强系统、故障响应子系统和故障诊断数据库四部分，如图2-1所示，其中信息处理子系统是整个故障诊断系统的核心部分，负责对采集到的OTDR 曲线和传输系统告警信息分别进行特征向量提取，与故障数据表中已有的特征向量进行比对，并将结果输出到故障响应子系统。
2.1 信息采集子系统信息采集子系统是故障诊断系统全部数据、知识的来源，也是信息传递的通道，包括数据采集和数据传输两个功能模块，数据采集模块由运行在ARM 单片机上的嵌入式C 语言程序控制，数据传输模块以计算机网络为支撑，实现各类信息的互联互通。
粗糙集理论在装备故障诊断中的应用
舰
船
科
学
技
术
Ｖｏ ． ４ ，Ｎｏ １ １３ ．
ＳＨＩ ＣＩ Ｐ Ｓ ＥＮＣＥ ＡＮＤ ＴＥＣＨＮ０Ｌ ０ＧＹ
Ｊ ｎ．，２ ２ ａ应 用
张 光 轶 ，苏艳 琴 ，许 爱 强
（ ． 军航 空工程 学 院 研 究 生管理 大 队 ， 东 烟 台 ２ ４ ０ ； １海 山 ６ ０ １ ２ 海 军航 空工程 学院 科 研部 ， 东 烟 台 ２ ４ ０ ） ． 山 ６ ０ １
关键 词 ： 故 障诊 断 ； 粗糙 集 ； 电台装备
中 图分类 号 ： Ｔ １ １ Ｖ ４ Ｐ ８ ， ２ 文献标 识码 ： Ａ
文 章 编 号 ： １ ７ — ６ ９ ２ １ ） １ ０ ０ — ４ ｄ ｉ１ ． ４ ４ ｊｉ ｎ １ ７ — ６ ９ ２ １ ． １０ ５ ６ ２ ７ ４ （ ０ ２ ０ — １ ３ ０ ｏ ：０ ３ ０ ／．ｓ ． ６ ２ ７ ４ ． ０ ２ ０ ． ２ ｓ
ｄ ａ ｎ ｓｓ ｍｅ ｈ ｄｓａ ｅ ｃ ｍｐ ｒ ｄ ａ ｄ ｃ ｏ ｅ ｏ ｇ ｅ ｈ ｏ ｙ ｔ ｅ ｔ ｅ ｓ ｉ ｂ ｅ ｍ ｅｈ ｄ ｆｒ ｅ ｉ ｉｇ ｏ ｉ ｔ ｏ ｒ ｏ ａ ｅ ｎ ｈ ｓ ｎ ｒ ｕ ｈ ｓ ｔｔｅ ｒ ｏ ｂ ｈ ｕｔ ｌ ｔ ｏ ｏ ｑｕｐｍｅ ａ ｌ ａ ｎｔｆ ｕ ｔ ｄ ａ ｎ ｓｓ ｈｅ ｔ ｔｓｅ ｄ ｔ ｏ ｅ ｕ ｐ ｎ ｓａ ｕ ｃ ｎ ｅ ｎａｙ ｅ ａ ｄ ｅ ｅ ｕ ｅ ｔ ｅ ｅ ｎ ａ ｔ ｉｇ ｏ ｉ．Ｔ ｎ ｈｅ ｅ ｔ ｄ ａ ａ ｆ ｑ ｉ ｍｅ ｔ ｔ ｔ ｓ ａ ｂ ａ ｌ ｚ ｄ ｎ ｂ ｒ ｄ ｃ ｄ ｈ ｒ ｄｕ ｄ ｎ ｉｆ ｒ ｔｏ ｈ ｒ ｄ ｃ ｉｎ ｌｏ ｉｈ ｎ ｏ ｍａｉ ｎ ｂｙ ｔ ｅ ｅ ｕ ｔ ａ ｇ ｒｔ ｍ ｏ ｏ ｇ ｓ ｔ ｔ ｏ ｙ，ａ ｄ ｔ ｄｉｇ ｏ ｉ ｒ ｌｓ ａ ｂ ｇ ｔ ｆｏ ｏ ｆ ｒ ｕ ｈ ｅ ｈｅ ｒ ｎ ｈｅ ａ ｎ ｓｓ ｕｅ ｃ ｎ ｅ ｏ ｒ ｍ ｔ ｅ ｈ
基于粗糙集理论的变压器故障诊断方法研究
成 CORE (R) 。 其 中 ， CORE(P ) RED(P ) ， RED(P) 是
P 的所有约简族。设 P 和Q 为U 中的等价关系， Q 的
P
正
域为
：
P
O
S P
(Q)
P *
(
X)
XQ
，
它们
的
依赖
关系
为
：
r (Q) P
ca r d( POS (Q)) P
/ car d(U ) ，其 中 0
FDD ) 技术是一种基于知识的“软诊断”技术。其主
要优势之一在于它不需要任何预备的或额外的先验知
表1 故障的征兆与分类决策表
第01期
基于粗糙集理论的变压器故障诊断方法研究
·49 ·
表2 决策规则的一种最小解
识，能有效分析和处理不精确、不一致、不完整等各 种不完备数据，并从中发现隐含的知识，揭示潜在的 规律。利用粗糙集原理从提取的数据表中挖掘系统的 故障诊断规则，利用故障诊断规则对新的输入数据进 行诊断，如果新样本符合规则，说明关于系统的知识 没有改变；信息没有变化，系统运行正常；否则进入 故障定位。
；其中
表示为
。它反映我们对该集合了解的
程度。粗糙集理论引入了两个重要的概念：“约简”
和“核”，“约简”为不含多于属性并保证分类正确
的最小条件属性集，一个决策表可能含有多个约简；
“核”为约简的交集，是所有在条件属性中对决策属
性起重要作用、不可省略的属性组成的集合。
设 R 是一个等价关系族， r R ，如果
边界线集，记为：
。它是等价
关 系 R 无 法在 X和 ~ X上被 分类 的元 素的 集合 。为 准
Rough集理论及其在核动力故障诊断中的应用
集
融
睦
集
键作用的属性及属性值 ，同时可 以用于消去条件 属性和属性的冗余值 ，使知识推理过程变得统一 且相 对 简单 。属性 值约 简 的算 法 如下 ： 计算每条规则 的属性值约简算法
ｆｒ ＝ｌ ｎ ＋＋ ｏ（ ；ｆ ；ｆ ） ｉ
图 １ Ｒ ｕ 集 理 论 知 识 获取 过 程 ｏｇ ｈ
记录可能存在空值 、噪音现象 ，也可能某些属性 的属性值是连续的。
对于 以上 情况 ，必须 先进 行预 先 的处理 ；基 于 Ｒ ｕｈ ｏｇ 集理论 的知识获取 ， 主要通过对原始决
策表 的约简 ，在保持决策属性和条件属性之间依 赖关 系不发生变换 的前提下 ，对决策表进行约简 （ 包括属性约简和属性值约简） ，然后根据约简得 到 的 规则表 生 成规则 。
优 化核 动力故障信息非常有效 。 关键词 ：Ｒ ｕ 集 理论 ；核动力 ；故障诊 断 ｏｇ ｈ 中图分 类号： Ｌ ６ Ｔ ３ 文献标识码 ：Ａ
１ 引 言
粗 糙 （ ｕ ｈ集 理 论在 数据 挖 掘方 面具 有极 Ｒｏｇ ）
糙集理论 的特点之一 ；③粗糙集理论可以处理数 据中的不确定性 ，并可以得到不确定性知识 ； ④ 粗糙集理论方法可以进行数据预处理去除冗余的 属性 ，可以为其他处理工具如神经网络方法选择 合适的属性集 ，以提高数据处理的效率 ；⑤由于 粗糙集理论 自身的优点 ，使得经过粗糙集方法处 理得到的决策规则和推理过程较神经网络等理论
工具 更易 于被 证实 和检测 。 目前 ，粗糙 集理论 被
大的发展潜力 。粗糙集理论可以对不完整 、不精
确信息进行表达与处理 ，而且不需要任何对数据 的先验知识（ 如统计理论需要知道数据先验概率 ，
粗糙集理论在机械故障诊断中应用
粗糙集理论在机械故障诊断中的应用摘要：作为处理模糊和不确定知识的工具，粗糙集理论能够有效地确定知识系统中有用知识和冗余知识，从而对知识系统进行浓缩，有效地减少训练集，它很好地弥补了人工智能的不足之处。
因此，传统的机械故障诊断技术已从人工智能领域转向以粗糙集理论为代表的计算智能领域。
本文以某型机械故障诊断为例，运用粗糙集理论对故障数据加以分析处理，得到了简明的故障诊断规则，取得了良好的诊断效果。
关键词：粗糙集；属性约简；故障诊断中图分类号：tp751目前，机械设备发展迅速，特别是人工智能技术的应用使机械设备的工作效率大大提高。
但是，机械设备的实时监控却相对滞后，这也大大地制约了农业现代化的发展。
一个小的故障若不及时处理，可能引起放大效应，从而导致更大的财产损失。
因此，如何在机械故障发生后第一时间及时进行诊断进而保证机械设备持续高效运转已成为提高生产效率的关键。
粗糙集理论是波兰数学家z．pawlak于1982年提出的一种能够定量分析处理不精确、不一致、不完整信息与知识的数学工具[1]。
该理论最大的优势是无需提供除问题所需处理的数据集以外的任何先验信息。
此外，该理论还能够有效地去除冗余，对所给信息系统进行分析处理，找出其中的隐含知识，揭示潜在的规律[2]。
本文对粗糙集理论在机械故障诊断中的应用进行研究，以丰富故障诊断知识。
1粗糙集理论的基本概念定义1：设是我们感兴趣的对象组成的有限集合，称为论域[3–4]。
称为中的一个概念或范畴。
中任何概念族称为关于的抽象知识，简称知识。
为规范起见，我们认为空集也是一个概念。
上的一个划分可定义为：；其中，，且，对于；。
定义2：设为上的一个等价关系，表示的所有等价类（或者上的分类）构成的集合，表示包含元素的等价类。
定义3：设是上的一族等价关系，若，且，则中所有等价关系的交集称为上的不可区分关系，记为，且有定义4：信息系统被定义为如下的四元组：。
其中：知识表达系统；：对象的非空有限集合，也称论域；，是属性的值域；为一信息函数，它为每个对象的每个属性赋予一个信息值，即，。
粗集理论及其在故障诊断中的应用
２差 别 矩 阵
Ｓ ｏ ｒｎ教 授 １９ 年 提 出 差 别 矩 阵 ， “ 别 ” ｋｗｏ ９１ 用 差
替代 “ 相等 ”作 为 表示 等价类 的方 法 ， 目的 是使 其 Ｒ ｕ ｈＳ ｔ 的约 简过程 更便 于计 算 。 别矩 阵 是计 ｏ ｇ ｅｓ 差 算 约简 的 又一途 径 ， 且算 法是 形式化 的 。 并
１
若 是 ， 求得 一 个相对 约 简 。 任 一核 外 属性 并 入 则 若
核 都不 能构成 相 对 约 简 ， 从 核外 属性 中 每 次 任 则 取两 种并人 核 ， 验 是 否 构 成 相 对 约 简 ， 是 ， 检 若 则 求 到一个 相对 约简 。 则 ， 核外 属 性 中每 次 取选 否 从
其 中
ｆ ｛ Ｉ ∈ Ｃ且 （ １ “）≠ ｃ（ ， ， “）
ｃ ｉ， ＝｛ｆ。 ｆ ＶＤ “ ≠ （ （） （， ＿ ） “＇ ∈ ， （１ ） ２ Ｌ ）
【 ，Ｖ Ｄ（ “ ）≠ ｄ “ ） （
为差 别元 素 。 差 别 矩 阵 是对 称 矩 阵 ， 用 下 三 角 中 的 差 别 可 元 素 Ｃ ｉ ） １ ≤ ｉ≤ 一 １ （， （ ≤ ）完全描 述 。 差别
设 ＝ （ ， ＝ ＣＵ Ｄ） 一 致 性 决 策 表 ， － ４ 为 由
规则 ， 可能包 含冗余 的 条 件属 性 ， 多 的 决 策规 则 更
中包 含 着冗余 的条 件属 性值 ， 使得 决 策表提 供 的 ｎ
条 初 始 决 策 规 则 不 能 清 晰 地 反 映 真 正 的 决 策 规 律 。 此 ， 策 者难 以根 据 这 样 的 决 策 规 则 实 施 决 因 决
矩阵中共 有÷ ｎ ｎ一１ 个差别元素， （ ） 且每个差别
基于粗糙集智能集成方法的故障诊断应用综述
ｉｎｔｅｇｒａｔｉｏｎ ｏｆ ｔｈｅ ｉｎｄｉｃａｔｅｄ．
ｒｏｕｇｈ
ｓｅｔ
ｐｒａｃｔｉｃａｌ
ａｐｐｌｉｃａｔｉｏｎ ｉｎ
Ｋｅｙｗｏｒｄｓ：ｒｏｕｇｈ ｓｅｔ ｔｈｅｏｒｙ；ｉｎｔｅｌｌｉｇｅｎｔ ｃｏｎｔｒｏｌ；ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ
０引言
随着现代化工业过程控制规模不断扩大。复 杂程度不断增加，安全性和可靠性成为控制系统 十分重要的指标。控制系统的失效会导致巨大的 经济损失和严重的事故，而安全可靠的控制系统 可以降低系统故障概率、减少人员伤亡、减轻环 境污染．从而带来更高的经济效益【１１。故障诊断技 术为提高控制系统的安全性可靠性提供了有效
缺省规则获取算法进行结合改进，并将其应用到 补偿模糊神经网络的输入模糊化和规则提取中。 用粗糙集模糊神经网络对受扰对象进行逆建模， 并将学习得到的模型作为逆控制系统的控制器来 消除扰动。从而缩短了训练时间，提高了误差精度。 在ＰＩＤ控制方面，文献［２２】提出一种基于粗糙集的 神经网络ＰＩＤ控制器。该控制器约简ＢＰ网络样 本的冗余属性和属性值得到最小样本，然后用这 个最小样本训练ＢＰ网络，最后利用ＢＰ网络对动 态过程中的ＰＩＤ控制参数进行实时在线调整。与 传统的神经网络ＰＩＤ建模方法相比，该控制器网 络训练时间少、抗扰性和鲁棒性强。 ４．２粗糙集与模糊集结合 粗糙集理论与模糊集理论都可以用来处理 不确定性问题，但侧重点不同，粗糙集理论重在分 类。研究的是不同类中的对象组成的集合之间的 关系；模糊集侧重描述信息的含糊程度，研究的是 属于同一类的不同集合中对象间的不可分辨关 系。粗糙集理论的计算方法是知识的表达与简化， 模糊集理论的计算方法主要是连续特征函数的 产生。二者在解决不确定性问题时有差异但也不 是对立关系，可以相互补充。若将模糊集合中的 隶属度看作是粗糙集理论中的属性值，知识表达 的模糊性依赖于由对象的可用属性值描述，数据 库中病态描述的对象可以用属性值集合的可能 性分布来表达，这些可能性分布就构成了模糊集 合模型【２３１。 对于多变量、非线性、具有强外部干扰的复杂 工业过程，模糊控制技术是一种有效的控制方法。 但是由于模糊控制规则具有不够完整、主观性强 的弱点．对于复杂系统人工提取控制规则难以实 现，从而一定程度上限制了模糊控制的应用。文献 【２４］运用粗糙集理论，从原始数据中发现精简、概 略化规则建立粗糙模糊模型，并提出对模型进行 扩充与完备化的概念。文献［２５１通过分析控制系统 的输入输出数据，利用粗糙集、模糊集理论，将专家 控制行为总结为模糊规则，实现了粗糙一模糊控 制器控制规则的自动获取，仿真实验证明了该方 法的可行性和有效性。
粗糙集理论在设备故障诊断中的应用研究
粗糙集理论在设备故障诊断中的应用研究引言：设备故障诊断一直是工业生产中的重要环节，它能够帮助企业及时发现和解决设备故障，提高生产效率和产品质量。
而粗糙集理论作为一种有效的数据分析方法，近年来在设备故障诊断中得到了广泛的应用。
本文将探讨粗糙集理论在设备故障诊断中的应用研究，并分析其优势和不足之处。
一、粗糙集理论概述粗糙集理论是由波兰学者Zdzisław Pawlak于1982年提出的，它是一种基于信息粗糙度的数据分析方法。
该理论通过将数据集分为不同的等价类，来实现数据的分类和决策。
粗糙集理论的主要思想是在不完备和不确定的信息条件下，通过寻找数据集中的重要属性和规则，来进行有效的决策和分类。
二、粗糙集理论在设备故障诊断中的应用1. 数据预处理设备故障诊断需要大量的数据支持，而这些数据往往存在噪声和冗余。
粗糙集理论可以通过数据预处理的方法，去除噪声和冗余，提取出数据集中的重要特征。
例如，可以通过粗糙集理论中的属性约简方法，选择出对设备故障诊断具有重要意义的属性，从而减少数据集的维度，提高诊断的准确性。
2. 特征选择设备故障诊断中，特征选择是一个关键的问题。
传统的特征选择方法往往依赖于领域专家的经验，而粗糙集理论可以通过分析数据集中的属性依赖关系，自动选择出对设备故障诊断具有重要意义的特征。
这种基于数据的特征选择方法，能够避免主观因素的干扰，提高诊断的准确性和可靠性。
3. 故障诊断模型构建在设备故障诊断中，构建准确可靠的故障诊断模型是非常重要的。
粗糙集理论可以通过分析数据集中的属性依赖关系，构建出针对不同故障类型的故障诊断模型。
例如，可以通过粗糙集理论中的近似集合方法，将数据集中的故障样本划分为不同的等价类，从而得到不同故障类型的特征集合，进而构建出相应的故障诊断模型。
三、粗糙集理论在设备故障诊断中的优势1. 适应不完备和不确定的信息设备故障诊断中，数据往往存在不完备和不确定的情况，而粗糙集理论正是基于这种情况下的数据分析方法。
开题报告 粗糙集故障诊断中的应用研究
毕业设计(论文)开题报告2011 年12 月9 日
开题报告填写要求
1．开题报告（含“文献综述”）作为毕业设计（论文）答辩委员会对学生答辩资格审查的依据材料之一。
此报告应在指导教师指导下，由学生在毕业设计（论文）工作前期内完成，经指导教师签署意见及所在专业审查后生效；
2．开题报告内容必须用黑墨水笔工整书写或按教务处统一设计的电子文档标准格式（可从教务处网页上下载）打印，禁止打印在其它纸上后剪贴，完成后应及时交给指导教师签署意见；
3．“文献综述”应按论文的格式成文，并直接书写（或打印）在本开题报告第一栏目内，学生写文献综述的参考文献应不少于15篇（不包括辞典、手册）；
4．有关年月日等日期的填写，应当按照国标GB/T 7408—94《数据元和交换格式、信息交换、日期和时间表示法》规定的要求，一律用阿拉伯数字书写。
如“2004年4月26日”或“2004-04-26”。
毕业设计（论文）开题报告
毕业设计（论文）开题报告
毕业设计（论文）开题报告。
粗糙集理论及其在轴承故障诊断中的应用研究的开题报告
粗糙集理论及其在轴承故障诊断中的应用研究的开题报告一、研究背景与意义轴承作为机械装置中重要的部件之一，承受着转子的重量和旋转惯量，对整个机械系统的运转性能有着至关重要的影响。
然而，轴承故障的发生会导致机械设备的失效，甚至直接威胁到人身安全。
因此，轴承故障的诊断和预测一直是研究的热点之一。
传统的轴承故障诊断方法主要基于振动信号分析和频谱分析，这些方法往往需要进行复杂的数学建模和信号处理，对专业知识和经验的要求较高。
在实际应用中，这些方法存在着一定的局限性，例如在非稳态、非线性情况下的效果较为有限。
而粗糙集理论则是一种新的非参数化数据分析方法，在处理实际应用中存在的“不确定性”问题时具有一定的优势。
因此，将粗糙集理论应用于轴承故障诊断中，能够提高诊断准确性和可靠性，为机械设备的运维提供更可靠的保障。
二、研究内容和思路本文基于粗糙集理论，通过对轴承故障状态下的振动信号进行特征提取和分类，建立轴承故障诊断模型，提高轴承故障的检测和预测能力。
具体思路如下：1. 对实验采集的轴承振动信号进行预处理，包括去噪、降采样等，使数据更适合于后续的特征提取和分类分析。
2. 基于粗糙集理论，以振动信号不同特征之间的依赖关系为基础，提取轴承故障诊断的相关特征，并对特征集合进行约简，降低特征维度。
3. 基于约简后的特征集合，使用分类器进行轴承故障分类。
在尝试多种分类器的基础上，通过对比实验结果选择最优的分类器。
4. 在特定实验条件下，对粗糙集理论方法和传统方法进行效果比较和分析，验证粗糙集理论在轴承故障诊断中的优越性。
三、研究预期结果和意义1. 实验室实验数据的提取、预处理和建立轴承故障诊断模型的过程，将有利于深入理解轴承故障的产生原因及其与振动信号的关系，为轴承故障的预测和预警提供理论支持。
2. 粗糙集理论所提供的方法和思路，将能够为轴承故障诊断提供一种新的思路和工具。
通过粗糙集理论方法的应用，提高轴承故障的检测和预测能力，增加机械设备的运行安全性和可靠性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ｉ ｓ ｖ ｅ ｎ ｔ ｏ ｖ ｌｉ ａ ｄ ａ ｔ ｅ ｔ ｈｅ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ．Ｔ ｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｈ ｏ ｗ ｔ ｌ ｌ ａ ｔ ｗｈ ｅ ｎ ｔ ｈ ｅ ｆ ａ ｕ ｌ ｔ ｃ ｌ ｓｓ ａ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｒ ｅ ｓ ｕ ｌ ｔ ｉ ｓ ｉ ｎ ｖ ａ ｉａ ｒ ｂｌ ｅ ，ｔ ｈ ｅ ｍａ ｉ ｎ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｗｈ ｉ ｃ ｈ ｉ ｓ ｍｏ ｒ ｅ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ ｔ ｏ ｔ ｈ ｅ ｆ ａ ｕ ｌ ｔ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｃ ａ ｎ ｂ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｅ ｄ ｔ ｈｒ ｏ ｕ ｇ ｈ ｔ ｈ ｉ ｓ ｌｇ ａ ｏ ｒ ｉ ｔ ｈ ｍ ．Ｔ ｈｅ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｓ ｕ ｐｐ ｌ ｉ ｅ ｓ ａ ｂ ａ ｓ ｉ ｓ ｆ ｏ ｒ ｆ ｕ ｒ ｔ ｈｅ ｒ ｓ ｔ ｕｄ ｙ ｏ ｆ ａ ｐ ｐ ｌ ｙ ｉ ｎ ｇ ｒ ｏ ｕ ｇ ｈ ｓ ｅ ｔ ｔ ｈ ｅ ｏ ｙ ｒ ｉ ｎ ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ ｆ ａ ｕ ｌ ｔ ｄｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ．
用【 】 １ 。
特殊而且重要 的知识 表达系统 ． 它指当满足某些 条件 时 ， 决策应 当如 何进行 ． 故障诊 断涉及到决策 问题 。 因此可 以用决 策表这一工具 来表
但是 。 无论是传统方式 ． 还是智能化手段 ， 通常 只有在 信息准确完 整的情 况下才会得到满意的结果 而实际过程中所获得的信息通常是 不准确的 ． 并且当设备发生故障时 ． 这些信号往往是冗余 的 ， 只需要少 量特征信号就可以表征出该设备的整体故障信息 。所 以 ． 将粗糙集理 论 引入到故障诊 断领域 中 ． 利用其对诊 断特征 的压缩 和约简 ， 去 除冗 余的信息 ， 从而可 以大大减少诊断的计算量 ， 提高诊断的效率 。 在２ ０ 世纪 ７ ０年代 ． 波 兰学者 Ｚ ． Ｐ ａ ｗ ｌ ａ ｋ 和一 些波兰科学 院 、 波兰 华沙大学的逻辑学家们一起从事关于信息系统逻辑特性 的研 究 ． 粗糙 集理论就是在这些研究 的基础上产生的 。１ ９ ８ ２年 ． Ｚ ． Ｐ ａ ｗ ｌ ａ ｋ发表 了经 典论文 Ｒ ｏ ｕ ｇ ｈ Ｓ ｅ ｔ ｓ ， 宣告了粗糙集理论的诞生［ Ｚ ３ １ 。 目前 ． 粗糙集 已成为 人工智能领域 中一个较新的学术热点 ． 在机器学习 ． 知识 获取 ． 决策分 析． 过程控制等许多领域得到 了广泛的应用 本文主要研究局域粗糙集理论 的属性约简故 障特 征提取方法 ． 并 将该 方法应用于齿轮的故障诊断 中， 得到对齿轮故 障模式识 别起主要 作用的特征
Ｓ ｃ ｉ ｅ ｎｃ ｅ＆ Ｔｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ Ｖｉ ｓ ｉ ｏ ｎ
科 技 视 界
科技・ 探索・ 争鸣
粗糙集理论在故障诊断中的应用研究
江 飞
（ 西 安石 油大 学 ， 陕西 西 安 ７ １ ０ ０ ６ ５ ）
【 摘 要】 粗糙 集理论 ， 凭借 其在处理模糊 和不确 定信息上的优越 性， 已经被 广泛引用于复杂系统 的故 障诊断 中。 对粗糙集理论以及其属性 约简过程进行详细的介绍 ． 并通过典 型故障 实例进行验证 ， 诊 断结果表明 ： 在保证分 类结果不 变的前提下 ， 粗糙 集可 以查找 出对故 障分类起主 要 作用的特征 ． 从而达到属性约 简的 目的 ， 为粗糙集理论在故障诊断 中的深入 运用打下 了 基 础。 【 关键词 】 故障诊断 ； 粗糙集理论 ； 决策表 ； 属性约 简
【 Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ］ Ｒ ｎｇ ａ ｈ ｓ ｅ ｔ ｔ ｈ ｅ ｏ ｒ ｙ， ｗ ｈ ｉ ｃ ｈ ｈ ａ ｓ ｔ ｈ ｅ ａ ｂ ｉ ｌ ｉ ｔ ｙ ｔ ｏ ｄ ｅ ａ ｌ ｗ ｉ ｔ ｈ ｉ ｍ ｐ ｒ ｅ ｃ ｉ ｓ ｅ， ｕ ｎ ｃ ｅ ｒ ｔ ａ ｉ ｎ， ａ ｎ ｄ ｖ ａ ｇ ｕ ｅ ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ， ｈ ａ ｓ ｂ ｅ ｅ ｎ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ｗ ｉ ｄ ｅ ｌ ｙ ｉ ｎ
０ 引 言 ห้องสมุดไป่ตู้
在 现代 设备 的故 障诊断过程 中 ， 由于计 算机技术 、 自动化技术 和 示。 网络通讯技术 的快 速发展及广泛应用 。 故障诊断技术进入 了它的第 三 １ ． ３ 知识 约简 ・ 核 个 阶段——智 能化 阶段 在诊 断方法 上也由传 统的对故障源的直接测 在决策表中 ．决策表 的简化首先就是 化简决 策表 的条件 属性 ， 使 量 和判断转 变为对故障信号的分析研究及逻辑 推理 ． 这种方法 不需 要 得化简后 的决策表具有和化简前的决策表相同的功能 ， 但是化简后 的 系统的精确数学模型 ． 可 以利用各种知识推理 的相关技术 ， 目前 ， 专家 决策表具有更少的条件属性 条件属性的简化在 故障诊断 中具有相 当 系统 、 模 糊推理和模式识别等在故障诊断领域 已经取得 了非 常多的应 重要 的意义 ． 可 以使得数据 库规模大大减 少 ， 而且基 于更少 的条件属
【 Ｋ ｅ ｙ ｗ ｏ ｒ ｄ ｓ ］ Ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ； Ｒ ｏ ｕ ｇ ｈ ｓ ｅ ｔ ｔ ｈ ｅ ｏ ｙ ｒ ； Ｄ ｅ ｃ ｉ ｓ ｉ ｏ ｎ ｔ ａ ｂ ｌ ｅ ； Ａ ｔ ｔ ｒ ｉ ｂ ｕ ｔ ｅ ｒ ｅ ｄ ｕ ｃ ｔ ｉ ｏ ｎ
Ｏｎ ｔ ｈｅ Ａｐｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｏ ｆ Ｒｏ ｕ ｇ ｈ Ｓｅ ｔ Ｔｈ ｅ ｏ ｒ ｙ ｉ ｎ Ｍｅ ｃ ｈａ ｎ ｉ ｃ ａ Ｉ Ｆａ ｕ ｌ ｔ Ｄｉ ａ ｇ ｎｏ ｓ ｉ ｓ
Ｊ Ｉ ＡＮＧ Ｆｅ ｉ
（ ｘ ｉ ’ ａ ｎ Ｓ ｈ ｉ ｙ ｏ ｕ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｘｉ ’ ａ ｎ Ｓ ｈ ａ ａ ｎ ｘ ｉ ７ １ ０ ０ ６ ５ ， Ｃ ｈ ｉ ｎ ａ ）
ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ｏ ｆ ｃ ｏ ｍｐ ｌ ｅ ｘ ｓ ｙ ｓ ｔ ｅ ｍｓ ．Ｉ ｔ ｉ ｓ ｍｉ ｎ ｕ ｔ ｅ ｌ ｙ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ｏ ｆ ｒ ｏ ｕ ｇ ｈ ｓ ｅ ｔ ｔ ｈ ｅ ｏ ｙ ｒ ａ ｎ ｄ ａ ｔ ｔ ｒ ｉ ｂ ｕ ｔ ｅ ｒ ｅ ｄ ｕ ｃ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ．ａ ｎ ｄ ａ ｔ ｙ ｐ ｉ ｃ ａ ｌ ｅ ｘ ａ ｍｐ ｌ ｅ ｉ ｎ ｆ ａ ｕ ｌ ｔ