[发明专利]一种基于量化特征关系的不完备故障诊断规则提取方法

说明书

技术领域

本发明涉及一种故障诊断规则提取方法。

背景技术

故障诊断技术已广泛应用于航空、航天、船舶和电力等领域。然而，现代设备的运行环境恶劣、工况复杂，使得设备本身状态信息表露的不完全；而且人类实践总是受到客观环境和条件的限制，获得的描述故障模式的诊断信息常有某种程度的不完备，例如信息采集装置发生故障、信息暂时无法获取、数据预处理和人为疏忽等，从而使所面临的故障诊断数据是不完备的。但是，现有的故障诊断方法大多从完备的故障诊断信息中获取有价值的诊断知识，这导致在诊断中无法充分利用不完备故障诊断信息，以至于故障诊断结果的准确性、可靠性难以保证，限制了诊断技术的推广和利用。如果能够提出一种故障诊断规则提取方法，即在不完备的故障诊断信息下，仍能进行故障诊断规则的提取，那么在实际的应用领域中是有重要价值的。

针对不完备故障诊断规则提取方法，目前常采用的方法有三种：第一种是基于粗糙集与信息熵的故障诊断规则提取方法，该方法通过建立属性知识与信息熵的联系，结合决策属性支持度和信息熵设计约简算法流程，减少属性集搜索空间，求得最优属性约简集。第二种是基于最大特征相似集的规则提取方法，可以从不完备决策表中提取最优广义诊断决策规则；该方法能处理同时存在遗漏型和丢失型两种未知属性值的不完备信息系统。第三种是基于概率统计的方法对不完备信息系统中对象的未知属性值预先进行填补，把不完备信息系统转化为完备信息系统，然后进行知识获取。

然而，现有的针对不完备故障诊断规则提取方法存在着以下不足：(1)仅能处理包含一种未知属性值的不完备信息系统，无法从包含多种未知属性值的决策表中提取故障诊断规则，而实际的不完备信息常包含多种未知属性值。(2)并未考虑实例间的相似程度，没有定量衡量实例间的相似关系，从而导致相似性极低的实例被误判为一类，因此会影响不完备故障诊断规则提取方法的精度。(3)人为的数据填补过程会导致原始信息发生变化，会将新的噪声引入数据中，从而挖掘出错误的诊断结论。

发明内容

本发明的目的是为了解决现有不完备故障诊断规则提取方法存在的无法从包含多种未知属性值的决策表中提取故障诊断规则的问题；现有不完备故障诊断规则提取方法未考虑实例间的相似程度，没有衡量实例间的相似关系的问题；以及现有人为的数据填补过程会导致原始信息发生变化，会将新的噪声引入数据中，从而挖掘出错误的诊断结论的问题。而提出了一种基于量化特征关系的不完备故障诊断规则提取方法。

上述的发明目的是通过以下技术方案实现的：

一种基于量化特征关系的不完备故障诊断规则提取方法，其特征在于该方法包括以下步骤：

步骤一、原始不完备故障诊断数据的预处理：首先获取原始不完备故障诊断数据，然后对原始不完备故障诊断数据进行离散化处理，获得离散型数据，建立不完备故障诊断决策表；

步骤二、确定不完备故障诊断决策表中未知属性值的类型，并定义相应的符号表示；

步骤三、利用量化特征关系对不完备故障诊断决策表进行分析：计算不完备故障诊断决策表中实例间的特征相似度，然后设定阈值r，并确定不完备决策表中各实例间的量化特征关系，最后获得不完备故障诊断决策表中各实例满足量化特征关系的特征集；

步骤四、采用基于量化特征关系的属性约简算法对不完备故障诊断决策表进行约简；

步骤五、根据约简结果，提取各实例支持的故障诊断规则：对获得的故障诊断决策规则用产生式规则的形式t→s表示最小约简，并用支持量和支持实例作为评价指标，其中支持量为支持该规则的实例的个数。

发明效果

采用本发明的一种基于量化特征关系的不完备故障诊断规则提取方法。

1)本发明给出了三种未知属性值的定义，以此确定不完备故障诊断决策表中未知属性值的类型，所以可以实现从同时包含三种未知属性值的不完备故障诊断决策表中提取故障诊断规则。

2)本发明提出实例间特征相似度的概念，以此合理量化实例间的相似程度，并根据实例间特征相似度确定实例间的量化特征关系。提高不完备故障诊断规则的提取精度，使不完备故障诊断规则提取方法的精度提高了23％。

3)本发明针对从不完备信息中提取故障诊断规则这一问题，提出了一种基于量化特征关系的属性约简算法。此方法直接从不完备故障诊断决策表中提取故障诊断规则，所以并未改变原始的不完备诊断数据，在获取故障诊断规则的过程中代价相对较小，对获取知识的客观性影响较轻微。