基于數(shù)據(jù)挖掘?qū)υO(shè)備故障的診斷方法

柴保明等

摘 要：故障診斷在知識(shí)智能獲取的方法發(fā)展一直比較緩慢。而隨著數(shù)據(jù)挖掘技術(shù)的逐步發(fā)展起來(lái)，它便成為知識(shí)獲取效率比較高的工具。文章對(duì)數(shù)據(jù)挖掘?qū)＜蚁到y(tǒng)以及數(shù)據(jù)挖掘技術(shù)中常用的一些挖掘算法進(jìn)行了介紹，并把實(shí)驗(yàn)系統(tǒng)數(shù)據(jù)和數(shù)據(jù)挖掘?qū)＜蚁到y(tǒng)相結(jié)合來(lái)闡明其原理。

關(guān)鍵詞：數(shù)據(jù)挖掘；價(jià)值知識(shí)；專家系統(tǒng)

引言

伴隨著制造業(yè)的迅猛發(fā)展以及和電子產(chǎn)業(yè)結(jié)合的不斷深入，工業(yè)化大生產(chǎn)一步步朝著智能化的方向發(fā)展，自動(dòng)化也更加成熟。但它的系統(tǒng)設(shè)備結(jié)構(gòu)復(fù)雜性更大，功能也更強(qiáng)大，維修難度隨之也提高，所以系統(tǒng)故障產(chǎn)生的故障信息數(shù)據(jù)越來(lái)越巨大。這些數(shù)據(jù)量超出人工分析處理能力，因此對(duì)故障診斷方法的創(chuàng)新是作者一直不斷追求的。

1 數(shù)據(jù)挖掘技術(shù)

1.1 數(shù)據(jù)挖掘的目的與過(guò)程

數(shù)據(jù)挖掘主要有數(shù)據(jù)庫(kù)建立、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等。它的目的是從長(zhǎng)期存放在數(shù)據(jù)倉(cāng)庫(kù)中海量的數(shù)據(jù)信息的集合中去發(fā)現(xiàn)那些未知的隱藏的知識(shí)。

1.2 數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則Apriori算法

在數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則的第一個(gè)算法便是Apriori算法，它使用基于支持度的剪枝技術(shù)以及系統(tǒng)控制候選項(xiàng)集指數(shù)增長(zhǎng)是非常具有前瞻性的。它的頻繁項(xiàng)集產(chǎn)生算法的程序代碼過(guò)程為：

1.3 基于Apriori算法的故障診斷的改進(jìn)

如果能把Apriori算法計(jì)算速度大幅提高，則整個(gè)算法的效率便會(huì)具有很大的上升空間。而運(yùn)算效率以及提高產(chǎn)生候選項(xiàng)集有兩個(gè)主要步驟：一個(gè)是連接，一個(gè)是剪枝操作。因此，算法的改進(jìn)方法如下：

1.3.1 數(shù)據(jù)庫(kù)優(yōu)化掃描

在每次計(jì)算過(guò)程中，如果k-1項(xiàng)集為非頻繁項(xiàng)集，則k項(xiàng)集為非頻繁項(xiàng)集。因此，將此k-1項(xiàng)集從數(shù)據(jù)庫(kù)中刪去，隨著k值的增加，刪除的事務(wù)隨之增多，這樣通過(guò)減少掃描數(shù)據(jù)庫(kù)的次數(shù)來(lái)提高算法的運(yùn)行速度。

1.3.2 連接與剪枝優(yōu)化

2 數(shù)據(jù)挖掘的故障診斷專家系統(tǒng)

專家系統(tǒng)是在某個(gè)領(lǐng)域中，包含大量專家水平的知識(shí)與經(jīng)驗(yàn)，它是一種計(jì)算機(jī)組成系統(tǒng)程序來(lái)模擬人類專家，運(yùn)用人類專家的知識(shí)和解決問(wèn)題的方法進(jìn)行推理，然后通過(guò)智能方式解決某個(gè)領(lǐng)域內(nèi)一些復(fù)雜問(wèn)題。

為了能更方便有效地發(fā)掘一些有用的價(jià)值信息和知識(shí)，把數(shù)據(jù)挖掘技術(shù)和專家系統(tǒng)結(jié)合起來(lái)，為解決傳統(tǒng)專家系統(tǒng)在知識(shí)獲取及推理等方面的難題，通過(guò)數(shù)據(jù)挖掘這些技術(shù)能力來(lái)攻克。而數(shù)據(jù)挖掘的專家系統(tǒng)框圖如圖2所示。

其中左側(cè)部分是系統(tǒng)的知識(shí)獲取。數(shù)據(jù)挖掘?qū)＜蚁到y(tǒng)的知識(shí)源包括很多，其一是專家在現(xiàn)實(shí)中解決問(wèn)題的一些實(shí)例；其二是對(duì)診斷設(shè)備發(fā)生故障保存的一些歷史數(shù)據(jù)；其三是故障實(shí)驗(yàn)的仿真數(shù)據(jù)等。它的運(yùn)行過(guò)程如下：

首先，建立一個(gè)齒輪箱故障試驗(yàn)仿真結(jié)果數(shù)據(jù)庫(kù)。采集過(guò)程如圖3所示。接著從采完的數(shù)據(jù)中排除一些不用的信息，從中精選出一些數(shù)據(jù)得到數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)是組構(gòu)成關(guān)于該設(shè)備發(fā)生故障的樣本，再將數(shù)據(jù)從樣本空間映射到數(shù)據(jù)空間。

建立好樣本庫(kù)后，然后把數(shù)據(jù)中的不變特征采用通過(guò)預(yù)處理方法提取出來(lái)，這樣可以將其從數(shù)據(jù)空間轉(zhuǎn)變?yōu)樘卣骺臻g，然后再確定系統(tǒng)中所需的挖掘算法等，最后可以進(jìn)行數(shù)據(jù)挖掘。

在右半部分為故障診斷，在運(yùn)行過(guò)程中，輸入數(shù)據(jù)首先經(jīng)過(guò)數(shù)據(jù)預(yù)處理后，會(huì)經(jīng)過(guò)系統(tǒng)處理轉(zhuǎn)變成特征模式，接著進(jìn)人到全局?jǐn)?shù)據(jù)庫(kù)，再結(jié)合知識(shí)庫(kù)中的知識(shí)來(lái)進(jìn)行運(yùn)算推理。

在選擇好數(shù)據(jù)挖掘的算法后，對(duì)故障樣本庫(kù)進(jìn)行多次挖掘，從而完成故障知識(shí)的獲取。表1、2、3為提取的部分齒輪箱故障振動(dòng)仿真數(shù)據(jù)庫(kù)部分獲取。

這個(gè)系統(tǒng)在整個(gè)推理過(guò)程中，診斷程序?yàn)橹饕^(guò)程，還有控制知識(shí)信息負(fù)責(zé)一項(xiàng)，這樣可以增加診斷的智能性。在診斷完成后，系統(tǒng)模塊列出推理的一系列過(guò)程。

3 結(jié)束語(yǔ)

文章結(jié)合數(shù)據(jù)挖掘技術(shù)，對(duì)其中的經(jīng)典算法進(jìn)行研究改進(jìn)，并在分析故障診斷專家系統(tǒng)在問(wèn)題的基礎(chǔ)上，對(duì)專家系統(tǒng)和數(shù)據(jù)挖掘進(jìn)行比較，得出一個(gè)專家系統(tǒng)和數(shù)據(jù)挖掘結(jié)合的診斷系統(tǒng)，提高故障診斷的準(zhǔn)確性。

參考文獻(xiàn)

[1]周麗麗.面向設(shè)備故障診斷的數(shù)據(jù)挖掘技術(shù)方法的研究[J].自動(dòng)化技術(shù)與應(yīng)用，2015，2.

[2]朱向明.數(shù)據(jù)挖掘故障診斷專家系統(tǒng)[J].火力與指揮控制，2011，9.

[3]黃文虎.設(shè)備故障診斷原理、技術(shù)及應(yīng)用廠[M].北京：科學(xué)出版社，1996.

作者簡(jiǎn)介：柴保明（1964，3-），男，河北邯鄲人，博士，教授，現(xiàn)任河北工程大學(xué)機(jī)電學(xué)院，副院長(zhǎng)。

通訊作者：張韶（1988，1-），男，河北邯鄲人，碩士，現(xiàn)就讀于河北工程大學(xué)，專業(yè)為機(jī)械電子工程。