科研项目结题报告课件.pptVIP

报 告 人: ;;1、总体思路 本项目的总体思路是以民航飞机的发动机系统为对象，将数据库技术、数据融合技术、信号处理技术和智能计算技术等结合起来，研究飞行器PHM的关键技术。主要思路是将粗糙集理论与神经网络进行集成，充分利用两者的优势，结合飞机发动机的故障模式、故障机理、故障数据，进行故障诊断研究。并在此基础上，提出应用于故障诊断的粗糙神经网络模型，结合具体飞机发动机故障案例，进行模型实用性验证。 ;1、总体思路 拟解决的关键技术有： 对粗糙神经网络故障诊断模型进行研究； 完成粗糙神经网络对飞机发动机气路故障的诊断仿真。;2、成果形式 给出两种的故障诊断和预测算法； 给出粗糙神经网络故障诊断模型。 研究成果主要以研究报告的形式提供。在重要学术期刊上发表2-5篇学术论文；对研究成果进行总结和鉴定。; 1、粗糙神经网络的体系结构 ; 1、粗糙神经网络的体系结构 （1）通过粗糙集方法减少信息表达的属性数量，减少构建人工神经网络系统的复杂性，同时也减少后继流程中信息作为网络输入时的特征值计算时间； （2）通过粗糙集方法去掉冗余信息，使训练集简化，以便减少人工神经网络的训练时间； （3）使用人工神经网络作为后置的信息识别系统，有较强的容错及抗干扰能力； （4）由于粗糙集理论在简化知识表达的同时，也可以得出决策规则，因而也可以作为后续使用中的信息识别规则，将粗糙集方法得到的结果与人工神经网络方法得到的结果相比较，从而作进一步修正。; 2、对SOFM和差别矩阵的属性离散化算法研究 注意到基于差别矩阵的约简算法中，要求决策矩阵中的单个元素的集合构成属性的核，但是在研究过程中发现有时不存在有单个元素的决策矩阵，那是否就不存在约简了呢？为此提出了基于SOFM网络和差别矩阵的离散化算法，这一算法能够好地求出核，从而为属性约简奠定基础。 ; 2、对SOFM和差别矩阵的属性离散化算法研究; 2、对SOFM和差别矩阵的属性离散化算法研究 从属性离散化上就着眼于解决差别矩阵约简算法中存在的问题，不仅能够获得离散化效果较优、机器处理时间较少的决策表，更重要的是为属性约简奠定了基础，使得决策表能够获得约简，而粗糙集的意义正是体现在约简上。; 3、输出结果分析处理 ;三、模型实用性验证;三、模型实用性验证;三、模型实用性验证;三、模型实用性验证;三、模型实用性验证;三、模型实用性验证;三、模型实用性验证;三、模型实用性验证;三、模型实用性验证;三、模型实用性验证; ;第一步：粗糙集基础理论的研究 了解粗糙集理论的数学原理、应用范围以及计算方法；并结合在故障诊断中的应用，研究粗糙集在故障诊断中的实用性；重点研究粗糙集在数据处理方面的能力，为粗糙集理论与神经网络的结合奠定基础。 第二步：神经网络理论的研究 重点研究BP神经网络、LVQ神经网络、RBF神经网络在网络设计、模式识别、数据处理、故障诊断中的理论；同样，进行神经网络在故障诊断中实用性研究。;第三步：粗糙集理论和神经网络的集成研究 这是本文的研究重点。虽然国内外学者提出过一些粗糙理论和神经网络的集成模型，并用来处理一些问题，但是集成模型还存在很多问题，并且面对飞机发动机这么一个特定的故障诊断对象，还没有成熟的集成模型能够处理。所以，从粗糙集理论和神经网络中找到一个合适的连接点，使之能够处理飞机发动机这么一个特定对象的故障诊断问题，使飞机发动机故障诊断效率提高、误诊率降低，是本论文的重点，也是一个难点。;第四步：飞机发动机故障的研究 研究飞机发动机主要部件的故障模式、故障机理、故障耦合；收集并分析、整理飞机发动机故障数据。;第五步：粗糙神经网络与飞机发动机具体部件结合的故障诊断研究 拟将粗糙神经网络应用于飞机发动机相关部件的故障诊断；验证粗糙神经网络在故障诊断中的实用性；提出基于粗糙神经网络的通用故障诊断算法。;第六步：粗糙神经网络在故障诊断中的具体应用和改进 在验证了粗糙神经网络模型的故障诊断能力后，就该模型在故障诊断中可能存在的不足和缺陷，研究相应的改进方法。;;恳请老师批评指正！ 谢谢大家！