论文部分内容阅读
针对当前专家系统知识获取瓶颈的难题，提出了基于神经网络与遗传算法的汽轮机组数据挖掘方法。将汽轮机组历史故障数据首先进行模糊化及离散化处理，接着构造一个多层的前向神经网络，然后通过教师示教的方式训练构造好的神经网络，最后进行基于遗传算法的神经网络优化。以神经网络为知识本体，提出了汽轮机组故障诊断分类规则的挖掘算法，其实现过程有4个步骤：计算效果度量矩阵；提取规则；计算规则权重；基于遗传算法的规则修剪。实现了基于神经网络与遗传算法的汽轮机组数据挖掘和故障诊断仿真系统，其诊断正确率达到了84％。