基于邻域粗糙集的核动力系统故障诊断特征参数筛选

曲德庆+蔡琦+袁灿+时浩+严祥伟

摘 要：针对核动力系统故障诊断过程中故障的特征参数难以提取的问题，提出了一种基于邻域粗糙集模型的特征参数筛选的新方法。该方法是通过改进经典粗糙集而来的，其既能够处理离散化的数据，也处理连续型的数据，因此可以减少诊断信息融合过程的复杂性，同时处理后的数据能够保持原始数据的属性性质。仿真实验表明：基于邻域粗糙集能有效的简化特征参数的筛选，提高了故障诊断的准确率，减少了诊断成本，相比于经典粗糙集方法更具有适用性。

关键词：故障诊断 邻域粗糙集模型 特征参数筛选

中图分类号：TP18 文献标识码：A 文章编号：1674-098X（2014）12（a）-0005-04

核动力系统的故障诊断是一个典型的信息处理与融合的过程，需要对核动力系统的多种运行参数进行分析处理。在实际系统的故障诊断中，当获得这些特征参数后，如何对这些特征参数进行筛选，对于减少诊断信息融合过程的复杂性，准确判断系统的运行状态具有重要的意义。然而已有的技术很难得到令人满意的结果，而且许多方法具有很大的经验性。粗糙集（Rough Set，简称RS）理论[1]不需要任何先验信息和系统的数学模型，能有效地处理不精确、不一致、不完整等不完备性数据，通过揭示数据间潜在的规律，提取有用信息，实现信息简化处理。目前RS理论已在知识发现、模式识别、图象处理和数据挖掘等领域获得了成功的应用[2]。将粗糙集用于工程系统的故障诊断领域，能够剔除大量特征参数中具有冗余信息的特征量，同时又可以提取出有效的故障诊断规则。……