面向機械工程計算機測試系統(tǒng)的數(shù)據(jù)挖掘技術(shù)研究.pdf

1、隨著科學(xué)技術(shù)和社會經(jīng)濟的發(fā)展，武器裝備、航空飛行器、流程生產(chǎn)系統(tǒng)等被測對象日益大型化、復(fù)雜化和現(xiàn)代化，對測試系統(tǒng)的需求越來越多，同時要求也越來越高，促使現(xiàn)代測試系統(tǒng)向著智能化、自動化和網(wǎng)絡(luò)化方向發(fā)展。目前，計算機技術(shù)、自動化技術(shù)和通信技術(shù)廣泛應(yīng)用于測試系統(tǒng)中，大量的過程數(shù)據(jù)被采集并存儲下來，但是這些包含過程運行狀態(tài)信息的數(shù)據(jù)并沒有被有效地利用，以致出現(xiàn)了所謂的“數(shù)據(jù)豐富，信息匱乏”的現(xiàn)象。如何將這些存儲的數(shù)據(jù)變?yōu)橛杏玫男畔?，從中挖掘出過

2、程運行的深層次信息，并利用這些信息提高過程監(jiān)控能力，正是目前測試系統(tǒng)研究領(lǐng)域的熱點之一，也是本文的研究重點。 本文以中國工程物理研究院國防技術(shù)基礎(chǔ)項目的“大量程線加速度計檢測技術(shù)研究”課題為背景，以數(shù)據(jù)挖掘為主線，針對不同檢測對象的特點對傳統(tǒng)的數(shù)據(jù)挖掘方法作了不同程度的改進，提出了一些新的檢測數(shù)據(jù)分析處理和故障診斷預(yù)測的方法。整個工作主要分兩大部分，即線加速度計網(wǎng)絡(luò)測試系統(tǒng)產(chǎn)生的靜態(tài)數(shù)據(jù)的挖掘和航空飛行器、流程生產(chǎn)等監(jiān)控系統(tǒng)產(chǎn)生

3、的動態(tài)數(shù)據(jù)的挖掘。本文的研究成果及核心內(nèi)容歸納如下： (1)介紹了線加速度計測試數(shù)據(jù)庫及數(shù)據(jù)發(fā)掘系統(tǒng)的項目背景、總體目標(biāo)，給出了系統(tǒng)的總體設(shè)計方案。并對系統(tǒng)開發(fā)中用到的關(guān)鍵技術(shù)：實時數(shù)據(jù)庫建立、數(shù)據(jù)挖掘應(yīng)用以及Matlab與外部程序接口進行了討論。以運行實例的形式對系統(tǒng)各部分進行了介紹。 (2)本論文研究了面向服務(wù)的體系結(jié)構(gòu)(SOA)，并應(yīng)用該方法對面向數(shù)據(jù)挖掘服務(wù)的網(wǎng)絡(luò)測試系統(tǒng)進行了體系結(jié)構(gòu)分析和設(shè)計，并構(gòu)建了原型系統(tǒng)

4、。采用基于實例推理的數(shù)據(jù)挖掘向?qū)лo助用戶完成從數(shù)據(jù)清理到知識表示的知識發(fā)現(xiàn)的全過程。為網(wǎng)絡(luò)化分布式測試系統(tǒng)共享數(shù)據(jù)挖掘服務(wù)，實現(xiàn)資源共享和服務(wù)集成提供了有效方法。 (3)數(shù)據(jù)挖掘中聚類分析作為無監(jiān)督的學(xué)習(xí)方法在海量數(shù)據(jù)的未知信息發(fā)掘中起著重要的作用，是廣為研究的問題之一。本論文通過對基于密度的算法和基于網(wǎng)格的算法的分析，提出了一種密集單元識別與密度可達對象搜索的等效規(guī)則，并由此提出了一種基于網(wǎng)格和密度的聚類算法CLGRID。該算

5、法通過分階段聚類，并選取種子對象來擴展類，從而減少區(qū)域查詢次數(shù)，降低I/O開銷，實現(xiàn)快速聚類。在此基礎(chǔ)上針對DBSCAN算法的參數(shù)選取困難和難以發(fā)現(xiàn)密度相差較大的簇的問題，提出多密度閾值的DBSCAN改進算法，算法采用網(wǎng)格密度矩陣?yán)L制密度分布圖，自動確定密度層次劃分，通過多密度層次的聚類過程得到多個密度層次上的更加精細的聚類結(jié)果，解決了因使用全局ε值而導(dǎo)致的聚類質(zhì)量惡化問題。 (4)時間序列數(shù)據(jù)挖掘是數(shù)據(jù)挖掘研究的重要內(nèi)容，其中

6、時序模式挖掘就是通過挖掘時序數(shù)據(jù)中的序列模式得到潛在的有用的知識或信息。針對航空武器監(jiān)控系統(tǒng)和復(fù)雜流程工業(yè)監(jiān)控系統(tǒng)中監(jiān)測變量眾多、參數(shù)時變、變量間關(guān)聯(lián)耦合嚴(yán)重的現(xiàn)狀，提出采用在關(guān)聯(lián)性發(fā)現(xiàn)方面具有強大優(yōu)勢的序列模式挖掘，以發(fā)現(xiàn)故障產(chǎn)生過程中的一些關(guān)聯(lián)耦合關(guān)系，為故障診斷提供依據(jù)。本文分析了復(fù)雜動態(tài)系統(tǒng)監(jiān)測數(shù)據(jù)的高維、時變、非同步等動態(tài)特征，提出采用異常點標(biāo)注、故障時窗約束和基于特征元素的時序化簡將監(jiān)控系統(tǒng)的多維時序數(shù)據(jù)轉(zhuǎn)變?yōu)檫m合挖掘的符號