基于改进的粗糙集和神经网络的WSN故障诊断
综合粗糙集理论和人工神经网络的优点,提出了改进的粗糙集理论算法,并结合人工神经网络,实现了一种无线传感器网络(Wireless Sensor Network,WSN)节点智能故障诊断方法.首先基于WSN的应用环境和故障特征的分析,通过数据采集、数据预处理和数据压缩来获得诊断决策表,并利用粗糙集中改进的归纳属性约简算法(Improved Inductive Attribute Reduction Algorithm,IIARA)对决策表进行属性约简,从而提取对故障诊断贡献最大的最小故障诊断特征集合,进而确定后端径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)的拓扑结构.最后通过网络训练建立故障征兆与故障类型之间的非线性映射关系,得到诊断结果.仿真实验结果显示,该诊断算法在对WSN节点进行故障诊断时,可以有效地减少网络输入层个数,简化神经网络结构,减少网络的训练时间,提高模型的诊断准确性.
故障诊断、粗糙集、归纳属性约简算法、径向基函数、人工神经网络、无线传感器网络
43
TP277(自动化技术及设备)
2016-12-16（万方平台首次上网日期，不代表论文的发表时间）
共5页
21-25
