摘 要

生产过程中，故障诊断是难以解决的问题，本文提出一种基于模糊决策粗糙集（FDTRS）和支持向量机的故障诊断方法。开始先利用FDTRS提取特征信息，形成对应的故障特征集合；然后对应故障诊断集的样本被输入到支持向量机的多分类器中，以实现在工业过程中的不同的故障的识别。同时与Pawlak经典粗糙集、决策粗糙集在属性约简能力上进行比较，证明模糊决策粗糙集有更好的约简能力。

关键词：故障诊断 模糊决策粗糙集 属性约简 支持向量机

Fault diagnosis based on Fuzzy Decision-theoretic Rough Set and Support Vector Machine

Abstract

In order to solve the problem about fault diagnosis for the industry process, a fault diagnosis approach is proposed based on feature extraction by using fuzzy rough sets and support vector machines．The feature information is extracted by utilizing fuzzy rough sets and the fault diagnosis sets is built firstly. Then, the samples corresponding to the fault diagnosis sets are input into the SVM multi-classifier to realize the identification of different fault diagnosis in the industry process.Compare the performance of the FDTRS with Pawlak rough set and　decision-theoretic rough set on attribute reduction.The result helps quantify the performance of the FDTRS.

Key Words:fault diagnosis;fuzzy decision-theoretic rough set;attribute reduction;support vector machines

目 录

摘要 Ⅰ

Abstract Ⅱ

目录 Ⅲ

第一章 绪论 1

1.1 课题背景 1

1.2 本课题研究的意义 2

1.3 研究现状及方法 2

1.3.1 模糊诊断方法 2

1.3.2 故障树诊断方法 3

1.3.3 专家系统 4

1.3.4 基于支持向量机的故障诊断研究现状 4

1.4 本文的主要研究内容 6

第二章 模糊决策粗糙集 7

2.1 粗糙集理论 7

2.2 决策粗糙集理论 8

2.3 模糊决策粗糙集理论 8

第三章 基于支持向量机 10

3.1 支持向量机 10

3.2基于支持向量机分类器构造 11

第四章 基于模糊决策粗糙集和支持向量机的故障诊断 13

4.1 故障诊断流程 13

4.2 基于模糊决策粗糙集的属性约简 13

4.2.1 FDTRS模型约简定义 13

4.2.2 基于FDTRS模型的约简 13

4.3 仿真实例 14

4.3.1 变压器故障诊断仿真 15

4.3.2 轴承机故障诊断仿真 16

结语 18

致谢 19

参考文献 20

第一章 绪论

1.1 课题背景

随着如今科学的进步，设备的功能逐渐多样，结构也随之逐渐庞杂。同样由于自动化的提升，各个类别的机器和设备的故障也越来越多。现代机器设备的各个部分关联十分密切，旺旺一点细微的故障都可能导致机器设备的功能受损甚至是完全毁坏，更严重则会引发无法挽回的灾难。前两年扬子石化因为设备故障而导致爆炸；无锡也曾发生因为起重机断臂而造成5人死亡的事故。因此保障机器的安全，减少事故发生的故障诊断方法是很有需要的。在各种学科相互交织的现代，故障诊断这一新兴学科顺势而生。

粗糙集模型由Pawlak于1982年提出。它充分地使用了等价关系，借助于上下近似集，用于描绘该集合模型，而目标所在包含了三个区域：正、负域以及边界域，划分各个对象归入各自区域。只有在目标概念能够将所有的等价类囊括在内时，粗糙集才可以把它归入正域中，所以其不足之处即在面对现实问题时未表现出理想的容错性。

粗糙集理论的产生距今已有二十余年的时间，在其主导人Yao等带领下，提出了决策粗糙集模型。该模型的思维方式更加趋近于人们应对现实问题，也就是具有一定的容错能力，而非仅仅通过概率1进行划分，归入至其对应正域内。为了让该模型可以更加适宜处理现实问题，Yao等人将代价函数添加至决策粗糙集模型中，收获了较好的效果。例如在包括邮件识别划分、医学诊断等多种模式识别问题上，具有更好的应用。

当前的决策粗糙集研究遇到连续型的数据时，都要先进行离散化的处理，都是针对离散型数据的，对于连续型数据的处理效率相对较低，还可能在某些条件下导致一些信息丢失的情况，此即为经典粗糙集模型难以克服的弊端。而将粗糙集和模糊集两种方法互补，不需要经过离散就可以直理连续型数据，这是当前理论实验的趋势所在。

1.2 本课题研究的目的和意义

机械故障诊断的目的是：能够及时地发现机械的故障，并正确地作出多方面的诊断，从而保证机械的安全，能够以原有的功能完成任务，减少事故的发生，同时保证因为事故的损失达到最低程度。

通过故障诊断，可以避免突发的结契故障而引起设备损坏、材料报废、人员伤亡等重大损失。2006年俄罗斯的一家工厂在机械设备管理中采用了诊断技术，两年里，他们因为设备出故障的损失就降低了81%。而中国前两年，扬子石化就因为机械故障而发生爆炸，造成了人员伤亡。可见故障诊断可以带来人身，财产的安全

故障诊断可以有效、经济、合理地计划和组织对机械设备的维修，有效地减少维修所需要的成本和改进维修效率。可以优化机械的运行功用，延长部件的可用时间，同时增加了生产效率。大大地提高了经济效益。

故障诊断技术的出现使人们更容易地进行机械设备的调整和改进，为制造设计和改造设计提供了可靠的依据。