基于数据挖掘的高档数控机床故障分析方法研究

论文摘要

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在的有用的信息和知识的过程。它能对海量数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。它是一门交叉学科，汇聚了数据库、人工智能、机器学习、统计学、模式识别、可视化、并行计算和神经网络等不同学科和领域，近年来受到各界的广泛关注。高档数控机床是现代制造业的关键生产设备，其动态特征监测与智能故障分析研究对提高加工质量和机床利用率具有重要意义。但高档数控机床的结构复杂性和运行状态多变性导致采集到的高档数控机床样本数据不精确，常常包含噪声。为了构建高档数控机床故障的智能诊断平台，基于高档数控机床上安装的传感器采集的连续信息，进行故障特征提取，本文以典型高档数控机床为验证平台，进行了以数据获取——二维信息表构建——数据挖掘为基本步骤的高档数控机床故障分析研究。本文首先根据高档数控机床故障特点进行整机监测信号提取，并进行时域、频域以及时频域的特征分析，提供了用于分析的数据样本。在此基础上，引入数据挖掘中的粗糙集理论对数据进行离散化处理，并提出了基于决策属性的断点优化方法，根据信息熵与粗糙集中正域理论相结合的原理，改进了断点选择方法，实验结果表明此方法对于减少计算量，降低断点选择个数、提高分类准确性具有重要意义。之后本文对属性约简算法以及规则提取算法进行讨论，重点介绍了Cfssubseteval方法以及DA（确定性分析）方法，分别应用实例分析。本文提出的以数据挖掘为基础的一系列数据处理与挖掘方法理论，为机床整机运行性能评价体系的发展奠定了一定理论基础。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题背景及意义
• 1.2 基于数据挖掘理论的故障诊断技术研究现状及发展趋势
• 1.3 主要研究内容
• 1.4 论文的结构安排
• 第2章 高档数控机床故障特征提取
• 2.1 高档数控机床机械故障及其特点
• 2.2 整机监测信号特征提取
• 2.2.1 高档数控机床时域特征
• 2.2.2 高档数控机床频域特征
• 2.2.3 高档数控机床时频域特征
• 2.2.4 整机监测时频域数据分析
• 2.3 本章小结
• 第3章 离散化算法研究
• 3.1 连续属性离散化算法描述
• 3.1.1 连续型决策表
• 3.1.2 决策表连续属性离散化表述
• 3.1.3 连续属性离散化过程
• 3.2 离散化算法综述
• 3.3 基于正域与信息熵相结合的离散化算法
• 3.3.1 基于信息熵的离散化算法
• 3.3.2 基于正域理论的离散化算法
• 3.3.3 基于正域与信息熵相结合的离散化算法
• 3.4 实验结果与分析
• 3.5 本章小结
• 第4章 属性约简算法
• 4.1 决策表属性约简概述
• 4.2 基于属性选择的属性约简算法
• 4.2.1 属性选择的一般过程
• 4.2.2 Cfssubseteval 算法概述
• 4.3 本章小结
• 第5章 规则提取算法研究
• 5.1 决策表规则提取概述
• 5.2 确定性分析方法研究
• 5.2.1 确定性分析方法特点
• 5.2.2 DSR 算法描述
• 5.3 本章小结
• 第6章 结论
• 参考文献
• 致谢
• 申请学位期间发表的学术论文