论文部分内容阅读
综合粗糙集和神经网络的优点,提出一种基于粗糙集-神经网络集成的智能故障诊断模型。在数据采集和预处理的基础上,利用粗糙集(RS)理论对原始故障诊断样本进行离散化处理,并根据条件属性(集)对决策属性的正域的大小来选择属性,提取出对诊断故障贡献最大的最小故障特征子集,从而确定神经网络的拓扑结构;通过网络训练建立故障特征与故障之间的映射关系,采用神经网络集成的方法实现故障的诊断。通过热电厂发电机组的故障诊断实例,表明了这种故障诊断方法的工程有效性。