论文部分内容阅读
针对密闭鼓风炉过程机理的复杂性及过程信息的不确定性，研究了基于粗糙集（RS）与神经网络相结合的故障诊断方法。采用自组织映射神经网络（SOM）和条件属性依赖度相结合的方法，对连续的样本数据进行离散化，应用基于专家经验与条件属性依赖度相结合的属性重要度计算方法进行启发式RS约简，并把约简结果作为BP神经网络的输入。实验结果表明，采用该方法不仅优化了神经网络的拓扑结构，降低了神经网络的训练时间，同时大大提高了学习速度和故障诊断的准确率。