数据挖掘技术在机械设备故障诊断中的应用

信息技术发展迅速,一日千里,人们利用各种方法与手段让信息更加丰富,且收集数据手段日益高明。不过怎样才能从这些大量收集来的数据中找到有用的数据并进行分析呢?这是一件相当困难的事情,尤其是找出来的数据还能够有效分析出故障原因更是难上加难。但是随着计算机广泛应用,功能日益强大,可以融合各种指令来分析各项数据,以解决上述难题,本文就数据挖掘技术在机械设备故障诊断中的应用进行详细分析。     

火电厂大型设备故障诊断的数据挖掘方法

针对火电厂大型设备的常见故障 ,提出一种新的诊断方法———数据挖掘方法 .该方法通过建立一个智能化的数据挖掘工具 ,直接从火电厂SCADA系统历史数据库的大量实时数据中获取故障诊断知识进行故障诊断 .数据挖掘工具的核心是 ,采用粗糙集的约简方式 ,将数据库中抽取的故障诊断规则简化为基于最小变量集的决策表 .该方法避免了为诊断故障而附加的专门测试或试验 ,降低了费用 ,同时减少了试验对设备造成的潜在危险 .将这一方法应用于火电厂锅炉的一个复杂故障事例 ,结果表明其诊断的精度在 92 %以上 ,可以满足现场应     

基于数据挖掘的电路板故障诊断系统设计

针对电路板运行时从DCS上采集了大量特征数据,提出了基于数据挖掘的电路板故障诊断方法。即将运行的特征数据约简得出诊断的规则,再应用人工神经网络,优化该诊断的结果,并使其具有自学习能力,从而设计出具有故障诊断和智能预测的电路板故障诊断系统。     

数据挖掘技术在机械设备故障诊断中的应用

介绍了一种基于数据挖掘技术的机械设备故障诊断方法,介绍了数据挖掘技术在故障诊断中的实现步骤.以数据挖掘系统在煤矿风机监控系统中的应用为例,建立了数据挖掘模型,详细论述了关联规则方法的挖掘过程,对挖掘结果进行了分析,表明此方法可以很好的对设备故障进行预警.     

优化的粗糙神经网络在故障诊断中的应用

本文在相异度理论的基础上，提出了类间相异度的度量方法，从而以粗糙集理论为属性约简工具，利用相异度理论进行类的泛化和特化．构造出了优化的粗糙神经网络模型。故障诊断实例分析表明，该模型对神经网络分层约简并剔除其中不必要的属性．减少了神经网络的总体训练时间和决策过程中的模式匹配搜索量，大大提高故障诊断系统的反应能力，在大型复杂的故障诊断应用中效果尤为明显。     

基于测控数据挖掘的航天器故障诊断技术研究

近年来数据挖掘技术的快速发展使得利用航天控制中心积累的大量测控数据进行航天器在轨故障诊断成为可能.基于数据挖掘的故障诊断技术能够从历史数据中自动或半自动地获取潜在的诊断知识,从而有效解决故障诊断中知识获取困难的问题.在研究航天器实际测控数据特点的基础上,分析了传统故障诊断技术的优缺点,提出了基于数据挖掘技术进行航天器故障诊断的可行方法,指出了基于数据挖掘的航天器故障诊断技术下一步研究的主要方向.     

粗糙集神经网络系统在故障诊断中的应用

故障诊断中的误报和漏报现象直接影响诊断的准确率,同时在线故障诊断又要求很强的实时性,本文在给出粗糙集神经网络系统原理框图的基础上,结合领域知识把该系统应用于滚动轴承的故障诊断中,仿真实验结果表明该系统提高了故障诊断的准确率和诊断速率,同时减少了检测项目,降低了诊断成本,在实际中有良好的应用前景。     

机械设备故障诊断专家系统的构建

使用传统的故障诊断方法只能检测单一的信号,而对于复杂系统和多元性故障诊断比较困难,所以本文选用专家系统来解决这个问题。机械设备故障诊断专家系统主要包括知识库、知识获取、推理机,综合数据库,解释模块和人机接口6部分内容。使用本专家系统可以快速找出故障的部位、机理、性质和发展趋势,帮助快速给出维修与更新决策,缩短维修和停机时间,避免造成大的经济损失。在上海—50拖拉机上进行多次测试和应用,故障诊断准确率达到95%以上,并具有很好的运行性能。     

基于粗糙集人工神经网络的锅炉故障诊断模型

针对锅炉这种大型特种设备,提出了一种基于粗糙集和人工神经网络集成的智能故障诊断方法.该方法先利用Rs理论建立故障决策表,对原始数据进行约简,并按照一定的原则选取多个约简;然后建立神经网络故障诊断子系统,使用粗糙集处理后的数据计算出故障发生程度,研究结果表明:该方法能够正确而且高效地诊断出锅炉中各种部件的故障发生的严重程度.     

基于数据挖掘的TQZ-1A故障诊断研究

为了解决惯性领域内“数据丰富知识贫乏”的问题,建立一个基于数据挖掘的智能故障诊断系统,并重点围绕其中的数据挖掘环节展开研究.以金姿态组合陀螺TQZ-1A为研究对象,运用Clementine12.0工具,借鉴CRISP-DM行业标准,构建了基于两阶段聚类并做改进的C5.0模型.经过模型评价指标的综合评估验证了模型良好的预测性能,说明所建立的模型是科学的,适用于工程实践.     

数据仓库与数据挖掘技术的研究与应用

讨论了数据仓库的构建方法和数据挖掘技术的应用,介绍了使用分析服务器构建数据仓库及进行联机分析的方法,实现了一个利用决策树算法建立模型对顾客的信誉度进行分类的实例。     

基于BP神经网络和支持向量机的电机故障诊断系统

故障诊断是计算机模式识别领域的一个活跃课题。文中提出一种基于BP神经网络和支持向量机（SVM）的电机故障诊断方法，设计了适合该诊断系统的网络结构。仿真结果表明：该网络结构比BP算法具有更快的学习速度和更高的学习精度，完全适用于电机故障诊断系统。     

神经网络数据挖掘方法中的数据准备问题

文章讨论了神经网络数据挖掘方法中的数据准备问题.首先简要介绍数据清洗与选择的基本方法,然后详细论述数据预处理、数据表示和数据集管理等方面的问题.     

基于云计算的数据挖掘技术研究

目前,网络中利用数据挖掘技术抽取有效信息成为数据挖掘研究的热点。介绍数据挖掘的流程和分类,并对在云端进行数据的收集和储存提出自己的思想。重点对数据收集的网格和分形维数的聚类算法(GFDC),以及在网络频繁的数据迁移中处理好Master和服务器之间的关系进行了改进。     

基于粗糙集的数据挖掘在无线网络入侵检测中的应用

对基于粗糙集的数据挖掘与知识发现在无线网络入侵检测中的应用作了一些探讨,并以某无线Ad Hoc网络分布式入侵检测中基于粗糙集约简的分类算法为实例作验证.     

基于VPRS的投标风险规则挖掘算法研究

本文研究了基于VPRS的投标风险规则获取问题,从经验数据中发现风险规律和知识,用于风险预测,可以有效消除项目投标风险系统中的分类错误,得到强规则,支持风险规避决策。     

基于粗糙集和遗传算法的数据挖掘方法

运用粗糙集和遗传算法的理论,为大型的数据挖掘提供了一种新的方法。首先通过粗糙集理论对数据进行预处理,然后对属性简约,最后通过遗传算法进行规则提取,寻找最优解。     

基于FTA的智能型故障诊断方法研究

故障诊断是人工智能的一个重要研究内容。在对故障树分析法的相关概念进行必要阐述后,就基于故障树分析法的智能型故障诊断方法进行了深入的分析与探讨,指出FTA与其它人工智能技术相结合,建立高效、实用的故障诊断系统是故障诊断技术的主要发展方向之一。     

基于粗糙集(Rough Set)的数据挖掘技术研究

文章绍了粗糙集理论的基本原理,粗糙集理论中的知识表示,并且给出了粗糙集在分类规则数据挖掘中的实现过程。