设备故障诊断的数据挖掘论文范文

本站小编为你精心准备了设备故障诊断的数据挖掘论文参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

1数据挖掘技术概念

1.1数据准备数据准备过程有三个主要步骤，分别是数据选取、数据预处理以及数据变换。不管是哪一个行业的检测系统，其所检测得到的数据都具有多样性与复杂性以及海量行的特点，正是这些造成人们分析数据的困难。所以想要解决问题，首先就要先确定挖掘目标，这样在检测数据库与历史数据库中才能够获得相对应的数据，并且进行预处理与变化和归化等。不过如果挖掘出来的数据质量不高会影响最终结果，所以提高挖掘质量，就要花费大量时间与精力去进行，大部分这个挖掘过程需要耗费整个过程的百分之八十以上。

1.2数据挖掘这个过程是不断反复与重复的过程，在这个过程中可以不断发现一些潜藏的知识与信息，可以利用决策树或者规则学习等多种方法来进行分析统计。

1.3结果分析和评估在不断检测数据的情况下，得到的数据也在不断发生变化，大量数据下需要不断的分析与建模，这样才能不断发现新设备的运行过程与故障，从而保证在较短时间内获得故障诊断结果。

2数据挖掘的常用技术

数据挖掘技术算法的好快直接影响到所发现信息质量的好坏，目前对该技术的研究方向也集中在算法与应用方面，常用的技术主要有以下几点：

2.1粗糙集理论这项研究数据的不确定性的数学工具由波兰科学家第一次提出，并且在经过二十年的不断发展中已经广泛应用到人工智能的各分支中，不管是在模式识别还是机械学习等方面都带来了成功。成功应用主要还在于存在的几点优点：其一该理论不用事先给出额外信息，可以减掉冗余信息的输入，减轻数据的复杂度与输入时间。其二算法简单，更方便人们操作。虽然优点明显，但是缺点也存在，在对实际发生问题的处理过程中，抗干扰的能力十分差，有可能会直接影响故障分类。

2.2决策树技术决策树算法是一种外形像树的预测模型结构，树的节点表述所属类别，非终端节点表示问题属性。根据数据不同取值来进行分类，建立树的分叉，从而形成决策树。决策树的规则是可直观容易理解的，这一点是与神经元网络存在的最大不同点，由于算法直观所以分类不需要很多时间，所以十分适用于记录故障分类和分析预测。

2.3人工神经元网络技术这是目前数据挖掘技术使用最多也是最广泛的一项技术，该项技术主要是模仿人的神经系统来建立数据库的，从而分析数据库中的数据并进行预测与分类。与上述技术不同的是，神经元网络技术在机械故障十分复杂的情况下还能够得到较为准确的预测技术，因此可以处理一些连续变量的问题，但对于高维变量数据则不适合，主要原因在于其最大的特点是不透明性，不能够就是分析结果是怎样产生的，以及产生结果的推算过程，所以神经元网络技术比较适合于较为复杂数据的分析，比如聚类模式。典型三层前馈神经网络结构如图1所示。

2.4遗传算法这种算法来自于生物进化理论，其使用的适者生存观点，也救赎常把一些任务看成一项可以搜索的问题，进行遗传算法搜索，从而得到最优解。遗传算法可以解决很多数据类型的问题，还能够同时处理不同类型的数据，但计算的时候由于使用的参数过多，不少编码问题十分困难，计算量也十分大。

3数据挖掘技术在工业优化中的应用

工业优化也分类型，根据不同的优化类型的不同要求，要采取不同的挖掘技术来实现找出问题解决的办法。一些需要解决的优化目标比较容易获得评价或者说需要优化的问题是比较容易表达的这些情况下，通常使用遗传算法进行全局搜索，这样比较方便。比如工业配方、工艺工序组成等。粗糙集方法可以用于需要学习目标值与其相关变量间的定量关系，利用技术来挖掘数据库中的目标数据间的关联规律，当然也可以利用神经网络技术来找寻目标值与数据间的模糊关系。想要确定优化目标边界，可以采用隧道映射方法。通过假定各变量目标需要优化的边界在二维空间中体现出来的是一个凸出来的多面体来包围显示的。定量预测的一个十分好的方法就是非线性回归预测，可以先利用模式识别方法来收集数据，建立数据结构，再根据相关数据确定非线性回归的方程式，最后再进行非线性回归，不过这样做会存在一个明显缺点就是要在进行非线性回归预测之前要主观确定方式公式。向外推广寻找更优化的方式在工业应用上更为有效，可以采用多种方法配合使用，形成一种比较适用于各种数据结构外推寻优的数据处理过程。

4数据挖掘技术在设备故障诊断中的实现步骤

4.1基本原理数据挖掘技术主要是利用历史数据里的设备运行记录来对现在机械设备出现故障的原因进行诊断，分析其原因并找出解决方法，并对未来可能出现的故障做出预测。机械设备故障的根本性质就是模式识别,所以对其诊断的过程也就是模式获得并匹配的过程。

4.2故障诊断的数据挖掘方法建模对机械设备故障诊断，首先要做的就是要收集与本设备相关的大量数据，不仅要有机械正常运行工作时的数据，更要有机械出现问题时产生的数据，一般现场的监控系统都存有历史数据与故障数据，而且现在的检测系统十分先进，出现故障的时候已经对此进行分类，这样数据收集的时候更加方便。进一步完成各项数据的获取并建立完整的数据库。而数据挖掘技术的目标就是要从这些杂乱无章的大量数据中找出潜藏在里面的相关规律与信息，并且提取信息特征。一般故障类型的划分，可以根据概率统计来进行，这也是现在刚出现的一种新方法。目前故障模式识别理论中比较成熟的理论是关联规则理论，这是一种利用数据间相互关联关系来达到分类的最终目的。根据相关之间的关联关系划分出类别，并对新数据进行归纳，分析故障类别，这样更快速的找到故障原因并进行解决。数据挖掘系统总体设计策略如图2所示。

5结束语

本文想大家介绍了一种十分先进并且对机械设备故障诊断十分有效的方法——数据挖掘技术。利用该项技术可以有效并且方便地解决各种设备故障诊断，打破原本数据缺少的瓶颈。而该项技术不管是应用在工业上还是其他领域中都有卓越的贡献，能够提前预测问题从而确保机械设备的正常运行。同时不断研究数据挖掘技术也对未来更好解决设备故障更有帮助，从而站在世界数据挖掘技术的前沿。

作者：苏曦单位：西安医学院