为了判断和分类水箱冷水储存单元状态检查过程中产生的数据，采用近似捕获遗传算法的方法。他分析数据用于评估冷库的运行，分析故障原因并查找故障部分。例研究表明，近似博弈遗传算法用于诊断水库冷库单元的故障，并减少了故障信息的属性。始水箱的初始存储单元提供更好的诊断。方法可应用于水箱冷藏单元的故障诊断。似集;遗传算法;水电站故障排除中图分类号：TP18; TP393.08文献标识码：A货号：2095-2457（2018）35-0144-003DOI：10.19694 / j.cnki.issn2095-2457.2018 .35.061引言随着水电行业的蓬勃发展，除大型和中型水力发电厂外，还在不断投入使用，其在能源领域的比例也在不断增加。
于水电站的正常运行与电气系统的安全性和稳定性密切相关，因此监测水力发电机组的状况非常重要。测水力发电机的冷藏单元的状况主要包括水冷单元的振动，振荡和压力脉动。何快速准确地从水力发电机组中查找大量数据中的有效信息，找出隐藏的规则，确定缺陷的类型，找到后者的位置具有重要意义。
似集和遗传算法在信息减少和隐藏法发现方面具有独特的优势，可以用于水电机组缺陷的诊断。糙集 – 遗传算法粗糙集是Pawlak在1982年提出的数学工具，用于定量分析不确定，不一致和不完整的信息和知识[1]。
果原始集合简化为简单的知识表示系统（信息表），则可以定义如下：U。用处理等价关系数据的方法，数学除法的方法获得准确和严格。U =（A，B，V，F），其中A是信息表中所有对象的集合，B是属性的集合。中B由条件属性C和决策属性D和C∩D= ?，C∪D= B组成.C可以定义一组多个条件属性，即C = C1∪C2∪C3……，C1∩C2∩C3…… =？ V表示一组属性值，V = V，Vr表示属性r的范围。R.F是一个信息函数，它指定A处每个对象的属性值。
近似集理论中，模糊性的概念用边界方法表示，即上下近似。设B等价于U，则上近似B *（x）：与集合A相交的所有联合和非空等价类是可以属于的最小组合。象X.下近似B *（x）基于现有知识判断X对象的最大组合。糙度可以用α表示：知道主要指数减少的近似知识浓度的减少，而不影响知识库的分类，去除不相关的条件属性。过执行近似从复数决策表中减去冗余决策阶段来获得最小条件属性决策表。识的减少通常包括以下三个步骤[2] :)简化条件：从决策表中删除一些列。除重复行：在条件属性的最简单决策表中消除相同的决策对象。除属性的冗余值：可以进一步消除上述处理的减法，接近最小的减少量。管减少的决策表是不完整的决策表，但它不会影响基于初始知识能力的分类。传算法一般包括：1）编码方法; 2）适应度函数及其保存策略是最佳保存策略。码方法：由于遗传算法不能直接处理空间数据，因此它通过遗传空间的基因型结构中的编码来表示。式化功能：评估个人的利弊。状越好，个体越好。
反，身体状况越低，个体越差。此，遗传算法也具有非负能力。文通过遗传算法分析了预处理的近似结果。传算法采用二进制编码的形式，每个二进制代码对应一个条件属性。如，如果对象的值为1，则表示选择了相应的条件属性。择适应度函数：条件属性支持决策属性的程度。
集遗传算法在水轮冷库故障诊断中的应用是基于粗糙集遗传算法在故障诊断中的应用过程如图1所示，水箱的冷水储存单元如图2所示。1.首先，冷凝器价格样品数据如表1所示进行采样.1，2，3，4，5，6，7，8和9组学习抗原组表明振动信号处于低频：（0.4至0.5）X，1乘数：1X，2x：2X，3x：3X，高频成分：> 3X，总能量比例信号。过对近似集进行划分和积分，获得表2中没有离散化的近似样本数据集。中，在表2中，冷凝器价格a，b，c，d等。
示条件属性，决策属性列中的1表示涡旋的偏心率，2表示不平衡，3表示未对准。过离散化方法对形成的样本数据进行离散化，然后根据需要通过属性约简方法去除重复信息，并获得决策决策表和识别调整图。过选择PC = 0.7，Pm = 0.01，Max_Gen = 100可以获得最优解。减去不必要的列元素g，h，j之后，可以在表3中的减少之后获得决策表。们看到涡度偏心的主要点是a和b列，不平衡主要集中在两列c和d。对准主要集中在两列e和f，其中*表示可以减少的元素。
据图1的粗集遗传算法的调整图，可以看出调整效果在大约30-110时是最佳的，并且它使得准确区分不同类型的缺陷。论近似集可以处理不确定和不完整的信息，并用于数据挖掘，智能控制和其他领域。传算法具有出色的整体优化能力。
于上述两种算法的优点。文根据近似博弈的遗传算法对水轮冷库进行故障诊断，对存储单元的故障信息进行属性约简。行液压轮的初始冷却，但保留与原始决策板相同的分类能力。方法可应用于水箱冷藏单元的故障诊断。
本文转载自
冷凝器价格 http://www.china-iceage.com