面向散貨港口裝卸設(shè)備故障診斷的數(shù)據(jù)挖掘技術(shù)的研究.pdf

1、隨著現(xiàn)代工業(yè)技術(shù)的不斷發(fā)展，工業(yè)生產(chǎn)過程日趨復(fù)雜，設(shè)備系統(tǒng)在高負荷、大功率的條件下連續(xù)運轉(zhuǎn)，不可避免地會發(fā)生故障，傳統(tǒng)的故障診斷方法在解決現(xiàn)在日益復(fù)雜的工業(yè)設(shè)備故障時遇到了瓶頸，短時間內(nèi)很難對故障進行精確的定位。利用數(shù)據(jù)挖掘技術(shù)在知識發(fā)現(xiàn)方面的獨特優(yōu)勢，為設(shè)備故障診斷技術(shù)提供了新的發(fā)展動力。本文以港口皮帶機系統(tǒng)的機械故障為研究對象，對面向散貨港口裝卸設(shè)備故障診斷的數(shù)據(jù)挖掘技術(shù)進行了研究。
　　設(shè)備故障診斷的本質(zhì)就是故障的模式識別，

2、利用數(shù)據(jù)挖掘技術(shù)進行故障的模式識別就是對故障樣本進行分類。數(shù)據(jù)挖掘中有很多分類算法，其中決策樹方法因其模型訓(xùn)練效率高、分類精度高等優(yōu)勢受到廣泛關(guān)注，已成功應(yīng)用于模式識別和故障診斷等領(lǐng)域。本文對利用決策樹方法提取故障規(guī)則并對新的故障樣本進行分類的問題進行研究。
　　針對上述問題，本文主要做了以下幾方面的工作：
　　（1）提出了基于變精度粗糙集模型的決策樹改進算法（VPWMR算法）。針對傳統(tǒng)決策樹方法構(gòu)建的診斷決策樹模型存在提取

3、的故障規(guī)則不夠簡潔有效、分類精度不高、抗噪能力差等問題，對基于粗糙集模型的決策樹構(gòu)造方法（WMR算法）進行改進，提出了基于變精度粗糙集模型的決策樹改進算法。改進的決策樹構(gòu)造方法，引入了誤差參數(shù)β（0≤β＜0.5），允許對實例進行劃分時存在一定的分類誤差，可將一些小規(guī)模的含有噪聲的實例和不一致的實例劃分入大規(guī)模的實例類別中，從而弱化了少數(shù)實例對決策樹分類過程的不良影響。并通過實例分析和對比實驗，說明了本文提出的VPWMR算法構(gòu)造的決策樹在

4、泛化能力、規(guī)模、抗噪能力方面在一定程度上均優(yōu)于WMR算法；通過比較不同?值在一定條件下的實驗結(jié)果，說明了不同的?值對數(shù)據(jù)集分類精度的影響。
　?。?）結(jié)合粗糙集理論較強的處理不確定和不完備信息的能力以及VPWMR決策樹算法的快速分類優(yōu)勢，本文提出了一種粗糙集決策樹故障診斷模型（RSDT診斷模型）。并通過一個實例分析，分別利用RSDT模型和C4.5模型構(gòu)建決策樹模型，并進行對比分析，說明了RSDT模型的可行性和有效性。
　?。?/p>