基于粗糙集理论的化工过程故障诊断方法研究-自动化技术-论文之家

您现在的位置：硕士论文 >> 电子论文 >> 自动化 >> 自动化技术 >> 正文

基于粗糙集理论的化工过程故障诊断方法研究

作者：朱江华 Publish: 2006-12-13 Hits:-

【中文题名】

基于粗糙集理论的化工过程故障诊断方法研究

【英文题名】

A Study for Chemical Industry Process Fault Diagnosis Based on Rough Set

【学科专业】

控制理论与控制工程

【论文级别】

硕士论文

【投稿时间】

2006-12-13

【中关键词】

故障诊断,粗糙集,知识约简,模糊粗糙集,神经网络,

【英关键词】

Fault diagnosis,Rough Sets,Knowledge Reduction,Fuzzy Rough Sets,Neural Network,

【分类导航】

工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>监视、报警、故障诊断系统>

【论文摘要】

化工行业的生产具有高度的连续性,因此确保生产过程的稳定性和可靠性变得十分重要。随着现代计算机监控系统的大量应用,化工企业积累了大量的生产过程中的过程变量和控制变量数据,这些数据中含有大量的生产信息。如何充分利用这些数据进行化工过程的故障诊断成为当前的一个研究热点。本文从知识表达系统约简、针对连续属性采用模糊粗糙集约简和粗糙集与神经网络相结合等三个方面对田纳西-依斯曼(TEP)过程故障数据进行了研究,从而建立了一种基于粗糙集理论的多层神经网络故障诊断系统模型。首先深入研究了利用粗糙集(Rough Set,简称RS)理论实现数据约简的方法。在分析和研究了基于核的约简方法的优点和缺点的同时,利用蚁群算法正反馈和分布式计算的特点,提出了一种新的基于蚁群算法的粗糙集知识约简方法,仿真计算结果显示了该方法的快速有效性。其次,针对粗糙集理论知识约简不能处理连续属性的固有缺陷,提出了模糊粗糙集模型,从而绕开了连续属性离散化过程,在约简过程中有效地利用了连续属性模糊化后的隶属度信息,提高了知识表达系统的信息利用率,取得了较好的约简效果。再次,在全面介绍粗糙集与神经网络相结合的研究现状的同时,根据粗...

【论文题纲】

摘要	5-6
ABSTRACT	6-7
第一章绪论	7-15
1.1 课题研究背景	7
1.2 故障诊断方法概述	7-8
1.3 粗糙集理论	8-11
1.3.1 粗糙集理论概述	8-9
1.3.2 国内外研究及应用现状	9-11
1.4 粗糙集故障诊断	11-12
1.4.1 粗糙集故障诊断特点	11-12
1.4.2 粗糙集在故障诊断中应用的主要方面	12
1.5 本课题主要研究内容及论文安排	12-13
参考文献	13-15
第二章基于粗糙集理论的知识约简	15-29
2.1 前言	15-16
2.2 粗糙集理论基本概念	16-17
2.2.1 知识表达系统	16
2.2.2 知识约简和核	16-17
2.3 改进的基于核的知识约简算法	17-21
2.3.1 分辨矩阵及核集的求取	18-19
2.3.2 无决策系统的约简	19
2.3.3 有决策系统的约简	19-20
2.3.4 基于核的约简算法实例分析	20-21
2.4 基于蚁群算法的粗糙集知识约简	21-27
2.4.1 蚁群算法简介	21-22
2.4.2 基于实数编码的蚁群算法	22-24
2.4.3 改进的蚁群算法	24-25
2.4.4 基于改进型蚁群算法的粗糙集知识约简	25-26
2.4.5 CACO 约简仿真实例	26-27
2.5 本章小结	27
参考文献	27-29
第三章基于模糊粗糙集的知识约简	29-37
3.1 引言	29
3.2 模糊粗糙集数据约简的几个概念	29-31
3.2.1 模糊信息系统	29-30
3.2.2 模糊等价类	30
3.2.3 模糊下近似和模糊上近似	30
3.2.4 属性模糊依赖度分析	30-31
3.3 模糊粗糙集属性约简算法	31-33
3.3.1 快速约简算法	31
3.3.2 基于改进型蚁群算法的模糊粗糙集约简	31-33
3.4 算法有效性验证实例	33-35
3.4.1 模糊粗糙集快速约简算法验证	33-34
3.4.2 基于改进型蚁群算法的模糊粗糙集约简验证	34-35
3.5 结论	35
参考文献	35-37
第四章模糊粗糙集神经网络	37-47
4.1 前言	37
4.2 粗糙集神经网络系统结构	37-39
4.2.1 弱耦合神经网络集成模式	38
4.2.2 强耦合神经网络集成方式	38-39
4.3 神经网络相关理论	39-42
4.3.1 模糊神经网络结构	39-40
4.3.2 模糊神经网络学习算法	40-42
4.4 模糊粗糙集的决策规则及提取算法	42-44
4.4.1 模糊粗糙集决策规则与度量	42-44
4.4.2 模糊粗糙规则生成算法	44
4.5 基于模糊粗糙集的强耦合神经网络结构介绍	44-45
4.6 本章小结	45
参考文献	45-47
第五章模糊粗糙神经网络在TEP 过程故障诊断中的具体应用	47-59
5.1 田纳西－依斯曼过程（TENNESSEE-EASTMAN PROCESS,TEP）	47-50
5.1.1 TEP 过程简介	47-48
5.1.2 过程变量	48-49
5.1.3 过程故障	49-50
5.2 基于模糊粗糙集的多级神经网络的TEP 过程故障诊断	50-57
5.2.1 故障数据集的获取	51
5.2.2 基于蚁群算法和模糊粗糙集的TEP 过程故障数据集的知识约简	51-53
5.2.3 基于模糊粗糙集的TEP 过程故障规则提取	53-55
5.2.4 基于强耦合模糊粗糙神经网络的TEP 过程故障诊断	55-56
5.2.5 结果分析和讨论	56-57
5.3 本章小结	57
参考文献	57-59
第六章总结与展望	59-61
6.1 论文的主要工作及总结	59
6.2 研究展望	59-61
致谢	61-62
攻读硕士学位期间发表的论文	62

【DOI】

LunWen.ID:2.2008.381397



付费论文：有参考文献 300元

1、注册会员 2、购买本文 3、下载文章
注:此文为收费论文，需付费购买。每页大约1000字。

代写论文流程

载入中…

Web lunwenjia


热门搜索：故障诊断论文粗糙集知识约简模糊粗糙集神经网络

自动化技术最新论文

自动化技术热门论文