基于粗集的遗传挖掘算法在故障诊断中的应用研究

摘要

目前，大部分企业对重要设备安装了在线或离线监测系统，采集到了反映机组运行状态的大量数据，并已经形成大型数据库。为更好发挥这些数据的作用，及时掌握机器运行的内在规律性，本论文提出将数据挖掘方法应用于转动设备的故障诊断。在系统学习了数据挖掘原理、技术、方法的基础上，比较了数据挖掘分类算法的优点及局限性，提出了基于粗集的遗传挖掘算法，并将其应用于设备故障诊断。依据石化企业采集到的关键设备运转状态的历史数据，首先利用粗集理论的属性约简消去冗余的属性，然后以约简后的数据作为样本数据集，使用遗传算法构建一个分类模型，找出常见故障所具备的一些数据特征，发现故障设备数据中存在的规律，从而为故障诊断与故障预测提供决策依据。 实验证明，该分类模型能快速对新故障数据进行判别归类，并与领域专家分析判断的结论基本相符。根据分类结果，可依此找到故障原因并消除故障，为工程技术人员和决策者提供有力的决策支持，进而实现生产过程、操作管理、控制一体化。

目录

文摘

英文文摘

独创性声明及关于论文使用授权的说明

第1章 前言

第2章 数据挖掘研究

第3基 基于粗集方法的数据挖掘

第4章 基于遗传算法的数据挖掘

第5章 基于粗集的遗传挖掘算法在故障诊断中的实现

第6章 总结

参考文献

致谢

个人简历、在学期间的研究成果