冷轧带钢表面缺陷数据关联规则挖掘方法研究

摘要

近些年，工业大数据已经在企业产业链的各个环节中得到广泛应用，而工业大数据挖掘是一种用于分析数据之间的关联关系的技术。目前冷轧带钢表面缺陷数据处理方法主要是通过视觉识别后，提取缺陷特征进行缺陷分类进而推送给决策者，对于直接挖掘缺陷与缺陷、缺陷与原因以及原因与原因之间的关联规则研究几乎没有。现阶段企业的处理缺陷数据的方法一般是采用人为分析，该方式不仅效率低下，且分析结果不准确易出错。针对这一问题，本文将工业大数据挖掘技术应用在冷轧带钢表面缺陷数据关联关系分析上，建立冷轧带钢表面缺陷数据关联规则挖掘模型并采用Visual C++设计出相关系统。
　　本文主要研究工作如下:
　　(1)本文讲述了目前工业大数据的应用领域并对此做了深入的分析，针对工业生产中产品缺陷数据不能有效利用这一实际问题，本文首先建立基于历史统计数据以及基于专家经验数据模型为缺陷数据关联规则挖掘算法提供理论支撑，然后对钢铁生产工艺信息源进行分析，得到适用于钢铁产品表面缺陷数据挖掘的理论模型。
　　(2)目前已有的模糊频繁项挖掘算法大多是对经典Apriori算法的改进，此类算法存在多次扫描数据集的固有缺陷，且不能解决复杂的工业产品缺陷数据挖掘问题，因此本文针对这一问题提出了面向冷轧带钢表面缺陷数据的加权模糊层次关联规则挖掘算法。
　　(3)针对冷轧带钢表面缺陷数据经过数据挖掘后的关联规则存在不能有效组织的问题，提出一种基于项目属性差异的产品缺陷数据关联规则模糊分类方法。通过建立模糊分类树计算规则间距离，并对其进行聚类分析，将相似性较大的关联规则划分为了一类，便于决策者分析数据挖掘后的结果。
　　(4)结合已研究出的关联规则挖掘算法以及关联规则分类算法，设计出适用于冷轧带钢表面缺陷数据关联规则挖掘系统。该系统主要分为六大模块:用户权限、数据导入、在线评估、关联规则挖掘、关联规则分类、结果可视化。

目录

声明

摘要

1．1 研究背景及意义

1．2 国内外研究现状分析

1．2．1 带钢表面缺陷数据挖掘方法研究现状

1．2．2 数据关联规则挖掘研究现状

1．2．3 数据关联规则分类研究现状

1．3 研究内容及目的

1．3．1 研究目的

1．3．2 主要研究内容

第2章 冷轧带钢缺陷数据挖掘模型分析

2．1 工业大数据应用

2．1．1 产品故障诊断与预测

2．1．2 产品质量管理与分析

2．1．3 工业物联网生产线的大数据应用

2．2 冷轧带钢缺陷数据分析方法

2．2．1 基于历史统计数据模型

2．2．2 基于专家经验数据模型

2．3 冷轧带钢缺陷数据挖掘模型

2．3．1 建立缺陷信息源

2．3．2 缺陷数据关联规则挖掘机理

2．4 本章小结

第3章 冷轧带钢表面缺陷数据关联规则算法设计

3．1 关联规则挖掘算法对比

3．1．1 模糊关联规则挖掘

3．1．2 加权关联规则挖掘

3．1．3 多层次关联规则挖掘

3．2 关联规则挖掘算法设计过程

3．2．1 冷轧带钢表面缺陷数据复杂性分析

3．2．2 AP-WGF算法设计

3．2．3 AP-WGF算法描述

3．2．4 AP-WGF算法实现

3．3 加权模糊层次关联规则挖掘算法的应用

3．4 实验结果分析

3．5 本章小结

第4章 冷轧带钢表面缺陷关联规则模糊分类

4．1 关联规则模糊分类方法概述

4．2 关联规则模糊分类方法

4．2．1 模糊分类树的建立

4．2．2 分类树中项目属性差异权值的确定

4．3 基于模糊分类树的距离计算

4．3．1 项间距离

4．3．2 项集间距离

4．3．3 关联规则距离

4．3．4 聚类分析

4．4 实验验证与分析

4．4．1 模糊分类树的建立

4．4．2 计算缺陷与缺陷原因属性差别权值

4．4．3 确定关联规则之间距离

4．4．4 聚类可视化

4．5 本章小结

第5章 关联规则挖掘系统的设计与实现

5．1 系统设计目标

5．2 需求分析

5．3 系统结构设计

5．4 系统功能模块实现

5．4．1 用户权限

5．4．2 数据导入

5．4．3 在线评估

5．4．4 关联规则挖掘

5．4．5 关联规则模糊分类

5．4．6 数据结果分析与展示

5．5 本章小结

第6章 总结与展望

6．1 论文主要工作与创新点

6．2研究展望

致谢

参考文献

攻读硕士学位期间发表的论文

攻读硕士学位期间参加的科研项目