• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    決策樹(shù)在汽輪機(jī)故障診斷中的應(yīng)用

    2010-01-08 05:27
    北大荒文學(xué) 2009年12期
    關(guān)鍵詞:子集增益決策樹(shù)

    梁 娜

    本文研究了決策樹(shù)挖掘方法在故障診斷中的應(yīng)用,根據(jù)設(shè)備的歷史運(yùn)行記錄,對(duì)其可能的運(yùn)行狀態(tài)進(jìn)行分類,提取出故障特征。實(shí)例證明,利用決策樹(shù)挖掘技術(shù)進(jìn)行知識(shí)提取,有效克服了故障診斷系統(tǒng)知識(shí)獲取的瓶頸,具有實(shí)際的應(yīng)用價(jià)值。

    1.引言

    汽輪發(fā)電機(jī)組是電力工業(yè)中的關(guān)鍵設(shè)備,其結(jié)構(gòu)復(fù)雜,運(yùn)行環(huán)境特殊,因此故障率較高。隨著電廠信息化水平的不斷提高,越來(lái)越多的數(shù)據(jù)被DAS系統(tǒng)存儲(chǔ)到實(shí)時(shí)數(shù)據(jù)庫(kù)中,這些數(shù)據(jù)包含了機(jī)組運(yùn)行狀態(tài)的各種特征。怎樣從過(guò)去的數(shù)據(jù)中發(fā)現(xiàn)有用的信息,把所獲得的知識(shí)用于過(guò)程監(jiān)控,提高生產(chǎn)過(guò)程自動(dòng)化水平是值得研究的課題。數(shù)據(jù)挖掘就是從大量不完全、有噪聲、模糊的或者隨機(jī)的數(shù)據(jù)中提取出有價(jià)值的知識(shí)。本文將數(shù)據(jù)挖掘技術(shù)應(yīng)用于汽輪機(jī)的故障診斷,具有實(shí)際的意義。

    2.數(shù)據(jù)挖掘概述

    2.1 數(shù)據(jù)挖掘技術(shù)

    數(shù)據(jù)挖掘,也稱為數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(KDD),是指發(fā)掘隱藏在堆積如山的數(shù)據(jù)中的真知灼見(jiàn)。通過(guò)數(shù)據(jù)挖掘,有價(jià)值的知識(shí)、規(guī)則或高層次的信息就能從數(shù)據(jù)庫(kù)的相關(guān)集合中抽取出來(lái),并從不同角度顯示,從而使大型數(shù)據(jù)庫(kù)作為一個(gè)豐富可靠的資源為知識(shí)歸納服務(wù)。

    2.2 決策樹(shù)算法

    決策樹(shù)是數(shù)據(jù)挖掘分類方法的一種。決策樹(shù)的表現(xiàn)形式類似于流程圖的樹(shù)結(jié)構(gòu),它的基本組成部分包括決策節(jié)點(diǎn)、分支和葉子。決策樹(shù)中最上面的節(jié)點(diǎn)稱為根節(jié)點(diǎn),是整個(gè)決策樹(shù)的開(kāi)始。每個(gè)分支是一個(gè)新的決策節(jié)點(diǎn)。每一個(gè)決策節(jié)點(diǎn)代表一個(gè)問(wèn)題或決策,通常對(duì)應(yīng)于分類對(duì)象的屬性。每一個(gè)葉節(jié)點(diǎn)代表一種可能的分類結(jié)果。Qulnlan設(shè)計(jì)的ID3方法是國(guó)際上最有影響和最為典型的決策樹(shù)學(xué)習(xí)算法。

    設(shè)S是數(shù)據(jù)樣本的集合,集合中的樣本數(shù)用S來(lái)表示。假定故障類別具有m個(gè)不同值,它們將樣本分為m個(gè)類,用Mi(i=1,2,……m)來(lái)表示,Mi表示類Mi中的樣本數(shù)。則任意一個(gè)樣本屬于Mi的概率為pi=Mi/S,一個(gè)給定樣本分類的平均信息熵為 E(S)=-∑mi=1pilog2pi。

    設(shè)屬性A具有n個(gè)不同的值,它們將樣本劃分為n個(gè)子集,每個(gè)子集Sk中的樣本在A上的取值相同。設(shè)Sik是子集Sk中類Mi的樣本數(shù)。則由A劃分的決策樹(shù)分類的條件熵為:E(S/A)=∑nk=1pk[-∑mi=1piklog2pik],其中,pk=SkS,pik=SikSk表示Sk中的樣本屬于類Mi的概率。熵的變化量稱為屬性A對(duì)分類的信息增益Gain(A),則Gain(A)=E(S)-E(S/A)

    具體的操作是:

    (1)計(jì)算每一個(gè)屬性的信息增益,選擇信息增益最大的屬性A作為根結(jié)點(diǎn);

    (2)屬性A的不同取值將全體樣本分成若干個(gè)樣本子集,按照前面的方法在每一個(gè)新的樣本集合中選擇信息增益最大的屬性作為這一級(jí)的結(jié)點(diǎn);

    (3)重復(fù)上面的步驟,直至所有的子集都屬于同一個(gè)類別。

    3.實(shí)例分析

    3.1 數(shù)據(jù)準(zhǔn)備與預(yù)處理

    本文在現(xiàn)場(chǎng)調(diào)研和查閱文獻(xiàn)的基礎(chǔ)上收集整理了一個(gè)汽輪機(jī)振動(dòng)故障數(shù)據(jù)庫(kù),該數(shù)據(jù)庫(kù)包含21組故障數(shù)據(jù),五種典型故障。我們定義幾個(gè)在故障診斷中常用的頻段作為測(cè)試屬性:

    A1 0.01-0.49fA2 0.5fA3 0.51-0.99fA4 1f

    A5 2f A6 3-5fA7 >5f

    3.2 構(gòu)造決策樹(shù)

    根據(jù)上一節(jié)介紹的構(gòu)造決策樹(shù)的方法,計(jì)算表31中每一個(gè)測(cè)試屬性的信息增益如表32所示。

    表32 屬性對(duì)應(yīng)的信息增益

    屬性信息增益屬性信息增益

    A10.24A50.80

    A20.95A60.19

    A30.19A70.36

    A41.88

    從表32可以看出,屬性A4的信息增益最高,因此以A4為根結(jié)點(diǎn)構(gòu)造決策樹(shù)。對(duì)于根結(jié)點(diǎn)以下的各級(jí)子集按照同樣的方法計(jì)算信息增益。最后形成的決策樹(shù)如圖32所示。

    圖32 汽輪機(jī)故障決策樹(shù)

    3.3 結(jié)果評(píng)價(jià)

    為了檢驗(yàn)規(guī)則的正確性,我們用五組實(shí)際的故障數(shù)據(jù)進(jìn)行驗(yàn)證。診斷出來(lái)的結(jié)果如表34所示。

    表34 檢驗(yàn)樣本實(shí)際故障與診斷結(jié)果的比較

    檢驗(yàn)樣本實(shí)際故障診出故障

    1油膜振蕩油膜振蕩

    2不對(duì)中+不平衡不對(duì)中

    3不平衡+碰摩碰摩

    4不對(duì)中+碰摩碰摩

    5氣流激振氣流激振

    從上面的結(jié)果可以看出:使用一個(gè)數(shù)量有限的故障樣本集得到的診斷規(guī)則還是令人滿意的。對(duì)于單一故障都?jí)蚰茉\斷出來(lái),對(duì)于混合故障也能夠診斷出其中的一種故障,說(shuō)明規(guī)則的正確率還是很高的。

    4.結(jié)束語(yǔ)

    決策樹(shù)方法是從樣本中學(xué)習(xí)規(guī)則,所以樣本集對(duì)決策樹(shù)的形成是至關(guān)重要的,但決策樹(shù)始終在尋找信息增益最大的屬性作為當(dāng)前節(jié)點(diǎn)的測(cè)試屬性,所以具有一定的抗噪聲能力,而且對(duì)于由噪聲產(chǎn)生的分枝,已經(jīng)有一些樹(shù)剪枝的方法,以提高決策樹(shù)獨(dú)立于測(cè)試數(shù)據(jù)正確分類的能力。通過(guò)訓(xùn)練所得出的規(guī)則可用于故障診斷,具有一定的實(shí)用價(jià)值。

    猜你喜歡
    子集增益決策樹(shù)
    高一上學(xué)年期末綜合演練
    K5;5; p 的點(diǎn)可區(qū)別的 IE-全染色(p ?2 028)
    經(jīng)典儀表放大器(PGIA)的新版本提供更高的設(shè)計(jì)靈活性
    簡(jiǎn)述一種基于C4.5的隨機(jī)決策樹(shù)集成分類算法設(shè)計(jì)
    旦增益西的藏戲夢(mèng)
    寬頻帶增益放大器的設(shè)計(jì)與測(cè)試
    放大器仿真設(shè)計(jì)
    決策樹(shù)學(xué)習(xí)的剪枝方法
    集合的運(yùn)算
    決策樹(shù)在施工項(xiàng)目管理中的應(yīng)用
    中宁县| 桂林市| 安福县| 汝南县| 克东县| 雷山县| 西和县| 分宜县| 庄浪县| 绩溪县| 平武县| 涟水县| 南乐县| 天柱县| 庆元县| 成武县| 江安县| 台北市| 吴桥县| 天峨县| 砚山县| 西藏| 宁河县| 庄河市| 克山县| 鹿邑县| 湘潭县| 苍梧县| 株洲市| 孝昌县| 青神县| 衡东县| 兴文县| 武威市| 攀枝花市| 乐昌市| 梅州市| 尤溪县| 应用必备| 巴青县| 新安县|