人工智能在故障诊断中的应用研究  

Application Research of Artificial Intelligence in Fault Diagnosis

作　　者：张继研[1] 邴兆虹[2] 张利[2] 历风满[2] 田立[2] 

机构地区：[1]大连理工大学信息技术实验中心,辽宁大连116024 [2]辽宁大学信息学院,辽宁沈阳110036

出　　处：《辽宁大学学报（自然科学版）》2012年第3期231-237,共7页Journal of Liaoning University：Natural Sciences Edition

基　　金：国家自然科学基金(61174115);辽宁省教育厅科学研究一般项目(L2010153)

摘　　要：针对神经网络存在的缺点和不足,主要分析神经网络和粗糙集、支持向量机、粒子群、小波相结合使用的方法.粗糙集和神经网络相结合用于故障诊断,可以通过粗糙集的知识约简功能大量消除训练样本中的冗余信息,减少神经网络的输入层节点,简化网络结构,缩短训练时间;基于神经网络和支持向量机的复合故障诊断技术不但可以进一步提高个体模型预测精度,而且可以使故障诊断模型始终处于最优识别状态;粒子群优化神经网络能够加快网络收敛速度,提高训练精度;小波神经网络能够很好地对故障进行分类,具有较高的识别精度.According to the drawbacks and the shortages of the neural network,this paper analyzes the neural network and rough set,support vector machine,wavelet and particle swarm combination method.Combining rough set with neural network in fault diagnosis can eliminate redundant information,reduce the neural network＇s input layer node,simplify network structure,shorten training time through the rough set for reduction of knowledge;The composite fault diagnosis technology based on neural network and support vector machine not only can further improve the prediction accuracy of the individual models,but also make a fault diagnosis model always in the optimum recognition state;Particle swarm optimization neural network can speed up the network convergence speed and improve training accuracy;Wavelet neural network classify fault very well,and has high recognition accuracy.

关 键 词：神经网络 粗糙集 支持向量机 粒子群 小波 

分 类 号：TP29[自动化与计算机技术—检测技术与自动化装置]