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.     

基于数据挖掘的机械设备故障诊断的研究

随着信息技术的发展,人们采集数据的手段日益丰富与高明,由此积累的机械设备故障数据日益膨胀,而且高维数据也日益成为主流.如何从这些海量数据及高维特征中选出有用的数据进行有效的故障诊断成为一件困难的事情.计算机性能的日益更新和数据库技术的快速发展,使得数据挖掘这一融合多种分析手段,从大量数据中发现有用知识的方法应运而生,为上述问题的解决开辟了一条道路.本文就详细论述了应用数据挖掘技术进行机械设备故障诊断的全过程.     

基于仿真与数据挖掘的故障诊断方法研究

针对导弹武器系统故障信息的特点,提出了系统仿真与数据挖掘相结合的综合故障诊断方法.文中将导弹武器系统故障检测信息分为3类,即:离散交互特征信息、连续动态特征信息和离散事件特征信息.通过实例阐述了数据挖掘在导弹武器系统故障诊断中的应用.分析了基于仿真的故障诊断方法,在此基础上,结合仿真与数据挖掘各自在故障诊断方面的优势,进一步提出了基于仿真与数据挖掘的综合诊断方法,给出了方法的步骤和诊断流程.     

基于食堂信息的数据挖掘应用初步设计

大学食堂的数据信息分析系统采用WAKE数据分析工具,数据库采用MYSQL进行设计,采用面向对象的程序设计方法。设计过程中采用组件的方法寻找合适的分析算法,将其嵌入到WAKE中去,讨论建立合适的模型。对学生饮食情况能够实时掌握,了解,能够更好的为学生提供服务,保证学生有更好的身体情况,更充分精力来学习。     

基于数据挖掘的呼叫中心IVR客户细分研究

语音应答业务利用率低、人力需求成本高是一大问题,对此,结合案例,运用CRISP-DW方法,采用Clementine工具对所得数据进行分析处理,得到IVR客户与地区分布、ARPU值和入网时长的关系;对IVR客户进行聚类分析,总结出其重要特点;提出相应对策,帮助提高IVR客户的满意度和利用率。建立一个C5.0决策树模型,分析预测客户是基于什么情况才进入IVR系统的。分析IVR客户与入网时长、地区、ARPU值之间的规则,有助于更准确地了解IVR客户并对其细分。     

基于混沌和数据挖掘的电子系统故障诊断

提出了一种基于相空间重构和数据挖掘算法的复杂电子系统故障诊断方法，混沌时间序列的相空间重构采用了复自相关和Γ-test的嵌入堆，时间延迟联合算法，所得到的结果为准最佳的嵌入堆、时间延迟。采用计算相空问中各个单位质点绕其质量中心的旋转半径的数据挖掘算法估计被测对象的工作状态，用统计学中的3d准则识别被测系统的故障参量。实验结果表明，该故障诊断方法可准确地检测出复杂电子系统中的故障现象。     

基于数据挖掘的电网故障诊断研究

电网故障诊断,指的是在调度中心进行的系统级的故障诊断,目的是根据各种故障信息,判定故障区域、故障性质和评价保护动作行为,为调度员提供相关决策分析。随着计算机和通信技术的不断发展,数字式保护和故障录波器等智能电子装置在电网中的应用已越来越普遍。在电网发生故障或受     

面向设备故障诊断的数据挖掘技术方法的研究

本文对石化企业设备故障诊断系统进行研究,利用数据挖掘技术进行故障诊断。提出数据挖掘技术中的关联规则挖掘的理论与算法,并对关联规则的经典算法Apriori进行研究与改进。提高了故障诊断的准确性,减少了冗余信息。     

数据挖掘项目的特征和关键环节

数据挖掘技术作为企业信息技术应用的自然延伸,正在成为近年来企业在实施数据仓库项目后的关注重点。文中在大量数据挖掘项目的实施总结基础上,对数据挖掘项目的特征、人员构成和角色分析、方法论和关键环节进行了深入分析。为以后不断地跟踪最新的数据挖掘知识和项目实施方法论,不断地通过数据挖掘项目实践来创造业务效益,提供了理论依据。数据挖掘相关理论和技术研究应该作为国内信息技术领域在今后一个时期的焦点命题。     

工业锅炉故障诊断的改进数据挖掘方法

针对工业锅炉的常见故障,提出了一种基于数据挖掘方法的锅炉故障诊断技术.通过建立一个智能化的数据挖掘工具,直接从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信息熵技术来辅助遗传算法初始种群的生成.遗传算法和信息熵的有效集成,极大地提高了该数据挖掘方法的工作绩效.将本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可以满足现场应用的要求.     

RMINE: A Rough Set Based Data Mining Prototype for the Reasoning of Incomplete Data in Condition-based Fault Diagnosis

Condition-based fault diagnosis aims at identifying the root cause of a system malfunction from vast amount of condition-based monitoring information and knowledge. The needs of extracting knowledge from vast amount of information have spurred the interest in data mining, which can be categorized into two stages data preparation and knowledge extraction. It has been established that most of the current data mining approaches to fault diagnosis focus on the latter stage. In reality, condition-based monitoring data may, most of the time, contain incomplete, or missing data, which have an adverse effect on the knowledge or diagnostic rules extracted. Several approaches to deal with missing data can be found in literature. Unfortunately, all of which have serious drawbacks. In this paper, a novel approach to the treatment of incomplete data is proposed for the data preparation stage, while a rough set based approach has been developed to pre-process the data for the extraction of diagnostic rules. The two-stage data mining technique is implemented into a prototype system, RMINE, which also possesses a self-learning ability to cope with the changing condition-based data. A real industrial case study of a pump system is used to demonstrate the fault diagnosis process using RMINE. The result has shown the potential of RMINE as a general data mining prototype to condition-based fault diagnosis.     

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.     

复杂矿冶设备故障诊断数据质量工程学

文章详细介绍了矿冶设备数据的产生过程,提出了一种复杂矿冶设备故障诊断的数据质量工程学方法,其目的是通过提高数据质量来保障故障诊断的准确性,即从数据采集系统进行抗干扰能力的优化设计(线外)来降低数据变异效应和在后期使用维护(线内)进行变异源的识别、减少或预防变异发生的措施,使其在恶劣矿冶环境下仍能采集高质量的设备状态数据,从而保障设备故障诊断数据的可靠性。实例验证表明该方法可以为数据质量保障提供一种系统解决途径,减少故障诊断的虚警和漏报。     

基于遗传算法的DM在故障诊断中的应用研究

介绍基于遗传算法的数据挖掘在设备故障诊断中的应用,并在应用中根据实际问题改进遗传算法。依据石化企业采集到的关键设备运转状态的历史数据,应用优化的遗传算法构建分类模型。利用建立的分类模型可以对新数据进行判别归类,识别出设备故障的种类,依此找到故障的原因并消除故障,为工程技术人员和决策者提供有力的决策支持。     

应用模糊数据融合实现电子电路的故障诊断

本针模糊数据融合技术引入电子电路故障诊断之中，通过测试电子电路中的被诊断元件的工作温度和工作电压两个物理量，得出两传感器对各待诊断元件的故障隶属度，在对隶属度值进行数据融合的基础上，确定故障元件，并通过单传感器诊断结果与融合诊断结果比较，说明多传器融合的优越性。     

基于集成神经网络的深海机器人故障诊断研究

为了提高深海机器人多传感器系统的故障诊断能力,针对深海环境的特殊性,以及深海机器人的工作特点,提出了基于两级集成神经网络的故障诊断方法,建立了诊断子网络,从不同的方面对机器人故障进行诊断,并利用决策融合网络将诊断子网络的诊断结果进行融合会诊,得到系统最终的诊断结论;基于某型深海机器人海中试验数据进行计算机仿真实验的结果,验证了该方法的有效性和可行性。