面向散货港口装卸设备故障诊断的数据挖掘技术的研究

摘要

随着现代工业技术的不断发展，工业生产过程日趋复杂，设备系统在高负荷、大功率的条件下连续运转，不可避免地会发生故障，传统的故障诊断方法在解决现在日益复杂的工业设备故障时遇到了瓶颈，短时间内很难对故障进行精确的定位。利用数据挖掘技术在知识发现方面的独特优势，为设备故障诊断技术提供了新的发展动力。本文以港口皮带机系统的机械故障为研究对象，对面向散货港口装卸设备故障诊断的数据挖掘技术进行了研究。
　　设备故障诊断的本质就是故障的模式识别，利用数据挖掘技术进行故障的模式识别就是对故障样本进行分类。数据挖掘中有很多分类算法，其中决策树方法因其模型训练效率高、分类精度高等优势受到广泛关注，已成功应用于模式识别和故障诊断等领域。本文对利用决策树方法提取故障规则并对新的故障样本进行分类的问题进行研究。
　　针对上述问题，本文主要做了以下几方面的工作：
　　（1）提出了基于变精度粗糙集模型的决策树改进算法（VPWMR算法）。针对传统决策树方法构建的诊断决策树模型存在提取的故障规则不够简洁有效、分类精度不高、抗噪能力差等问题，对基于粗糙集模型的决策树构造方法（WMR算法）进行改进，提出了基于变精度粗糙集模型的决策树改进算法。改进的决策树构造方法，引入了误差参数β（0≤β＜0.5），允许对实例进行划分时存在一定的分类误差，可将一些小规模的含有噪声的实例和不一致的实例划分入大规模的实例类别中，从而弱化了少数实例对决策树分类过程的不良影响。并通过实例分析和对比实验，说明了本文提出的VPWMR算法构造的决策树在泛化能力、规模、抗噪能力方面在一定程度上均优于WMR算法；通过比较不同?值在一定条件下的实验结果，说明了不同的?值对数据集分类精度的影响。
　　（2）结合粗糙集理论较强的处理不确定和不完备信息的能力以及VPWMR决策树算法的快速分类优势，本文提出了一种粗糙集决策树故障诊断模型（RSDT诊断模型）。并通过一个实例分析，分别利用RSDT模型和C4.5模型构建决策树模型，并进行对比分析，说明了RSDT模型的可行性和有效性。
　　（3）以某散货码头的皮带机的驱动装置为主要研究对象，设计出了一个设备故障诊断系统，并将RSDT诊断模型应用于该系统中，实现了设备故障规则挖掘和故障诊断的功能，同时说明了该诊断模型在实际系统中的可行性。

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文研究内容

1.4 本文组织结构

第2章 数据挖掘决策树算法改进的研究

2.1 基于决策树方法的故障诊断方法

2.2 决策树算法概述

2.3 基于VPRS的决策树算法改进的研究

2.4 决策树生成实例与分析

2.5 算法实现与实验结果分析

2.6 本章小结

第3章 基于粗糙集决策树的故障诊断模型的研究

3.1 诊断对象故障特征分析

3.2 粗糙集决策树故障诊断模型

3.3 实例分析

3.4 本章小结

第4章 港口设备故障诊断系统的设计与实现

4.1 系统体系结构设计

4.2 系统数据库设计

4.3 系统功能模块设计

4.4 系统实现

4.5 本章小结

第5章 总结与展望

5.1 总结

5.2 展望

致谢

参考文献

攻读硕士学位期间的科研成果