基于概念格的核动力设备NN-ES故障诊断方法
将神经网络与专家系统相结合,能充分发挥各自的优点.本工作利用概念格获取对象属性,从大量的原始数据中提取对象故障征兆集的核心属性、不必要属性和相对必要属性.基于这些属性,构建不同重要度的神经网络,使网络学习速度大幅提高,判断准确.为了更好地提高核动力设备故障诊断的准确性,采用基于规则推理的专家系统,对各神经网络融合后的诊断结果进行验证诊断.为验证该方法的有效性,以核动力设备典型故障为例,进行了仿真实验研究.仿真实验结果表明,将基于概念格属性约简理论构建的神经网络与专家系统邦联的诊断方法引入核动力设备故障诊断中是可行的,并且具有网络学习针对性强、计算量小、诊断结果可靠等特点.
概念格、神经网络、专家系统、核动力设备、故障诊断
44
TP18(自动化基础理论)
2010-08-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
718-724