基于粗糙集理論的化工過程故障診斷方法研究.pdf

1、化工行業(yè)的生產具有高度的連續(xù)性，因此確保生產過程的穩(wěn)定性和可靠性變得十分重要。隨著現代計算機監(jiān)控系統(tǒng)的大量應用，化工企業(yè)積累了大量的生產過程中的過程變量和控制變量數據，這些數據中含有大量的生產信息。如何充分利用這些數據進行化工過程的故障診斷成為當前的一個研究熱點。本文從知識表達系統(tǒng)約簡、針對連續(xù)屬性采用模糊粗糙集約簡和粗糙集與神經網絡相結合等三個方面對田納西-依斯曼過程(簡稱TEP)故障數據進行了研究，從而建立了一種基于粗糙集理論的多層

2、神經網絡故障診斷系統(tǒng)模型。 首先深入研究了利用粗糙集理論(簡稱RS)實現數據約簡的方法。在分析和研究了基于核的約簡方法的優(yōu)點和缺點的同時，利用蟻群算法正反饋和分布式計算的特點，提出了一種新的基于蟻群算法的粗糙集知識約簡方法，仿真計算結果顯示了該方法的快速有效性。 其次，針對粗糙集理論知識約簡不能處理連續(xù)屬性的固有缺陷，提出了模糊粗糙集模型，從而繞開了連續(xù)屬性離散化過程，在約簡過程中有效地利用了連續(xù)屬性模糊化后的隸屬度信息

3、，提高了知識表達系統(tǒng)的信息利用率，取得了較好的約簡效果。 然后，在全面介紹粗糙集與神經網絡相結合的研究現狀的同時，根據粗糙集理論與神經網絡各自的特點，提出了一種強耦合粗糙神經網絡結構模式。利用粗糙集理論進行規(guī)則提取后，將規(guī)則結果融入神經網絡中，從而構造了一種強耦合多層模糊粗糙神經網絡。 最后，針對TEP過程的特點，采用基于模糊粗糙集理論的多層人工神經網絡故障診斷系統(tǒng)對TEP過程進行故障診斷，充分發(fā)揮了粗糙集和神經網絡各自