基于数据挖掘技术的混凝土泵车摆缸油温预测研究

混凝土泵车在服役过程中的运行状态和维护信息是产品面向再制造设计、再制造零部件寿命预测和保障再制造产品质量的基础。通过数据挖掘技术对ECC系统中的海量数据进行分析,并基于线性回归分析、神经网络方法建立了摆缸液压油温度的预测模型。比较两种模型的预测精度,结果表明摆缸液压油温度可由其他参数利用线性回归预测模型获得。这有利于在面向再制造设计中减少一个温度传感器、ECC系统所监测的数据量及其存储负担,从而减少系统的复杂性,因而具有一定的实际应用价值。