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(guò)程日趨復(fù)雜，設(shè)備系統(tǒng)在高負(fù)荷、大功率的條件下連續(xù)運(yùn)轉(zhuǎn)，不可避免地會(huì)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(shí)遇到了瓶頸，短時(shí)間內(nèi)很難對(duì)故障進(jìn)行精確的定位。利用數(shù)據(jù)挖掘技術(shù)在知識(shí)發(fā)現(xiàn)方面的獨(dú)特優(yōu)勢(shì)，為設(shè)備故障診斷技術(shù)提供了新的發(fā)展動(dòng)力。本文以港口皮帶機(jī)系統(tǒng)的機(jī)械故障為研究對(duì)象，對(duì)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(jìn)行了研究。
　　設(shè)備故障診斷的本質(zhì)就是故障的模式識(shí)別，

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

3、的故障規(guī)則不夠簡(jiǎn)潔有效、分類(lèi)精度不高、抗噪能力差等問(wèn)題，對(duì)基于粗糙集模型的決策樹(shù)構(gòu)造方法（WMR算法）進(jìn)行改進(jìn)，提出了基于變精度粗糙集模型的決策樹(shù)改進(jìn)算法。改進(jìn)的決策樹(shù)構(gòu)造方法，引入了誤差參數(shù)β（0≤β＜0.5），允許對(duì)實(shí)例進(jìn)行劃分時(shí)存在一定的分類(lèi)誤差，可將一些小規(guī)模的含有噪聲的實(shí)例和不一致的實(shí)例劃分入大規(guī)模的實(shí)例類(lèi)別中，從而弱化了少數(shù)實(shí)例對(duì)決策樹(shù)分類(lèi)過(guò)程的不良影響。并通過(guò)實(shí)例分析和對(duì)比實(shí)驗(yàn)，說(shuō)明了本文提出的VPWMR算法構(gòu)造的決策樹(shù)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(guò)比較不同?值在一定條件下的實(shí)驗(yàn)結(jié)果，說(shuō)明了不同的?值對(duì)數(shù)據(jù)集分類(lèi)精度的影響。
　　（2）結(jié)合粗糙集理論較強(qiáng)的處理不確定和不完備信息的能力以及VPWMR決策樹(shù)算法的快速分類(lèi)優(yōu)勢(shì)，本文提出了一種粗糙集決策樹(shù)故障診斷模型（RSDT診斷模型）。并通過(guò)一個(gè)實(shí)例分析，分別利用RSDT模型和C4.5模型構(gòu)建決策樹(shù)模型，并進(jìn)行對(duì)比分析，說(shuō)明了RSDT模型的可行性和有效性。
　?。?/p>