软计算工具主要包括人工神经网络、模糊集理论、进化算法和粗糙集理论等。粗糙集理论是一种新型的软计算方法,它能有效地分析和处理具有不精确、不一致、不完整等特性的各种不完备信息,是一个强大的数据分析工具,具有良好的容错性能。本文利用粗糙集理论在处理不完备信息方面的独特性能,及其强大的数据分析能力和容错性能,对其在故障诊断中的应用进行了探索性研究。完成的主要研究内容包括: 1、基于粗糙集的离散化方法研究 粗糙集理论是一种基于离散数据进行处理的方法,连续数据的离散化直接影响到它的处理效果,为此提出了一种新的最优离散化方法。通过将离散化中的分割点确定问题转化为一个指标寻优问题,采用人工鱼群算法进行优化求解。并引入虚拟分割点,利用鱼群算法的聚群行为对某些离散区间实现了有效的合并。仿真试验结果验证了方法的有效性。 2、粗糙集神经网络 粗糙集能模拟人的“抽象”能力,人工神经网络具有简单的“推理”能力,本文将这两者结合起来,从样本数据中发掘有用信息,构造了基于粗糙集的自适应模糊推理系统(ANFIS),这种新的ANFIS系统的规则层以粗糙集挖掘的规则进行连接,替代了一般ANFIS系统的全连接,可减少网络结点的计算。在Matlab软件中开发了粗糙集神经网络故障诊断系统。仿真实例表明ANFIS系统不仅比基于粗糙集的神经网络的网络拓扑结构简单,而且诊断正确率更高。 3、基于粗糙集的支持向量机故障诊断 故障诊断本质上是一个模式分类问题,针对二类分类问题提出的支持向量机理论具有最优的分类能力,能使不同的两类尽可能地分开,但是,支持向量机存在维数灾难问题,为此提出了一种基于粗糙集的支持向量机故障诊断方法。并开发了基于Matlab的支持向量机分类GUI界面,方便了人机的交互。仿真实验结果表明基于粗糙集的支持向量机诊断在正确率和实时性方面都具有满意的效果。