数据挖掘技术在故障诊断中的应用研究

论文摘要

当今生产设备日趋集成化与复杂化。如何及时发现和预测故障并保证设备在工作期间始终安全、高效、可靠地运转,具有重要的研究意义。传统的故障诊断方法存在着诊断对象单一、诊断模型难建立、依赖主观经验、难以获得规则等缺陷,对于故障的多样性、复杂性和隐蔽性往往无能为力。本文针对传统故障诊断的缺陷,深入研究了几种数据挖掘技术,并在故障诊断中应用,以完成对复杂设备的通用、快速、脱离主观经验的故障诊断。本文重点研究了粗糙集理论在故障属性约简中的应用,决策树算法在故障分类中的应用及关联规则挖掘在故障分类中的应用。通过查询与条件属性具有相同分类能力的属性集,改进了粗糙集属性约简算法,解决了其在决策表约简的过程中需要建立辨识矩阵和求取核属性,效率较低的问题;通过利用嵌入式SQL直接对故障数据库进行高效的数据查询与处理,大大提高了ID3算法的效率和可实现性,同时可以使算法具有随元组个数增长的良好的可扩展性;利用数据库查询的方法改进了Apriori算法,使其既能满足事务型数据库又能满足关系型数据库的应用并提高的规则产生的效率,这样就满足了实际诊断的需要。针对复杂设备的故障诊断,本文将三种算法结合,先通过粗糙集对故障属性约简以简化数据库规模,再通过决策树算法的高效性和关联规则算法的全面性相结合,以实现快速全面故障规则的挖掘。最后以此为核心设计了一个故障诊断系统,实现了故障数据的采集、存储、预处理、规则挖掘及故障匹配一系列功能。实验证明该系统能够发现故障属性和故障分类之间的对应关系,自动地实现故障规则库的建立和故障匹配,较好的满足实际故障诊断的需要。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题来源及研究的目的和意义
• 1.2 国内外故障诊断领域的研究现状
• 1.3 本文研究的主要内容
• 第二章 故障诊断中的数据挖掘技术
• 2.1 故障诊断简介
• 2.1.1 故障诊断技术与主要分类
• 2.1.2 故障诊断的基本模型
• 2.2 数据挖掘技术简介
• 2.2.1 数据挖掘的定义
• 2.2.2 数据挖掘的发展
• 2.2.3 数据挖掘的一般步骤
• 2.2.4 数据挖掘的任务及分类
• 2.3 故障诊断中数据挖掘技术的选择
• 2.4 本章小结
• 第三章 粗糙集理论在故障诊断中的应用研究
• 3.1 粗糙集理论概述
• 3.1.1 知识和不可分辨关系
• 3.1.2 粗糙集定义及相关概念
• 3.2 粗糙集在决策表约简中的应用
• 3.2.1 知识表达系统与决策表
• 3.2.2 约简与核
• 3.2.3 粗糙集对属性约简的一般方法
• 3.3 改进的粗糙集属性约简算法及其在故障决策表约简中的应用
• 3.3.1 改进的粗糙集属性约简算法
• 3.3.2 改进的粗糙集属性约简算法在故障决策表约简中的应用
• 3.3.3 改进粗糙集属性约简算法的性能分析
• 3.4 本章小结
• 第四章 决策树理论在故障诊断中的应用研究
• 4.1 数据分类简介
• 4.1.1 分类的概念
• 4.1.2 分类模型的评估标准
• 4.1.3 分类模型的评估
• 4.2 决策树基本理论
• 4.2.1 基本概念
• 4.2.2 决策树算法ID3 介绍
• 4.2.3 由判定树提取分类规则
• 4.3 改进的ID3 算法在故障分类中的应用
• 4.3.1 影响原有ID3 算法的3 个因素
• 4.3.2 算法改进思路
• 4.3.3 改进的ID3 算法
• 4.3.4 改进的ID3 算法在故障分类中的应用
• 4.3.5 改进的ID3 算法的性能分析
• 4.4 本章小结
• 第五章 关联规则挖掘在故障诊断中的应用
• 5.1 关联规则概述
• 5.1.1 基本概念
• 5.1.2 由频繁项集产生关联规则
• 5.2 改进的APRIORI 算法在故障诊断分类中的应用
• 5.2.1 Apriori 算法的缺陷
• 5.2.2 算法改进思路
• 5.2.3 改进的Apriori 算法
• 5.2.4 改进的Apriori 算法在故障分类中的应用
• 5.3 本章小结
• 第六章 基于数据挖掘的故障诊断系统的设计
• 6.1 系统的组成介绍
• 6.2 各部分相关技术介绍
• 6.2.1 数据采集与数据库建立
• 6.2.2 数据预处理
• 6.2.3 故障诊断算法的实现
• 6.2.4 故障匹配
• 6.3 仿真试验与结果分析
• 6.4 本章小结
• 第七章 总结与展望
• 致谢
• 参考文献
• 研究成果