基于邻域粗糙集和并行神经网络的故障诊断

• 作者: 周俊 明阳
• 来源期刊: 计算机测量与控制
• 关键词: 故障诊断 邻域粗糙集 神经网络 并行网络结构
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 42-44,48
• 页数: 4页
• 分类号: TH165.3
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2016.07.012

摘要

针对目前使用神经网络诊断故障时出现的输入向量选择困难、网络结构复杂、对并发故障诊断效果不好等问题,提出了基于邻域粗糙集和并行神经网络的故障诊断方法;先利用邻域粗糙集对初始征兆进行约简,留下有价值的征兆作为神经网络的输入向量,然后针对每种故障类型设计一个神经网络;用多个训练好的神经网络来并行诊断故障,综合每个神经网络的结果给出最终的诊断结论;用转子实验台的实验数据对这种故障诊断方法进行验证,结果显示该方法能优化神经网络结构,且神经网络具有训练速度快、诊断正确率高的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周俊	华中科技大学能源与动力工程学院	31	272	9.0	15.0
2	明阳		1	5	1.0	1.0