基于數據挖掘對設備故障的診斷方法

柴保明等

摘 要：故障診斷在知識智能獲取的方法發展一直比較緩慢。而隨著數據挖掘技術的逐步發展起來，它便成為知識獲取效率比較高的工具。文章對數據挖掘專家系統以及數據挖掘技術中常用的一些挖掘算法進行了介紹，并把實驗系統數據和數據挖掘專家系統相結合來闡明其原理。

關鍵詞：數據挖掘；價值知識；專家系統

引言

伴隨著制造業的迅猛發展以及和電子產業結合的不斷深入，工業化大生產一步步朝著智能化的方向發展，自動化也更加成熟。但它的系統設備結構復雜性更大，功能也更強大，維修難度隨之也提高，所以系統故障產生的故障信息數據越來越巨大。這些數據量超出人工分析處理能力，因此對故障診斷方法的創新是作者一直不斷追求的。

1 數據挖掘技術

1.1 數據挖掘的目的與過程

數據挖掘主要有數據庫建立、機器學習、統計學等。它的目的是從長期存放在數據倉庫中海量的數據信息的集合中去發現那些未知的隱藏的知識。

1.2 數據挖掘關聯規則Apriori算法

在數據挖掘關聯規則的第一個算法便是Apriori算法，它使用基于支持度的剪枝技術以及系統控制候選項集指數增長是非常具有前瞻性的。它的頻繁項集產生算法的程序代碼過程為：

1.3 基于Apriori算法的故障診斷的改進

如果能把Apriori算法計算速度大幅提高，則整個算法的效率便會具有很大的上升空間。而運算效率以及提高產生候選項集有兩個主要步驟：一個是連接，一個是剪枝操作。因此，算法的改進方法如下：

1.3.1 數據庫優化掃描

在每次計算過程中，如果k-1項集為非頻繁項集，則k項集為非頻繁項集。因此，將此k-1項集從數據庫中刪去，隨著k值的增加，刪除的事務隨之增多，這樣通過減少掃描數據庫的次數來提高算法的運行速度。

1.3.2 連接與剪枝優化

2 數據挖掘的故障診斷專家系統

專家系統是在某個領域中，包含大量專家水平的知識與經驗，它是一種計算機組成系統程序來模擬人類專家，運用人類專家的知識和解決問題的方法進行推理，然后通過智能方式解決某個領域內一些復雜問題。

為了能更方便有效地發掘一些有用的價值信息和知識，把數據挖掘技術和專家系統結合起來，為解決傳統專家系統在知識獲取及推理等方面的難題，通過數據挖掘這些技術能力來攻克。而數據挖掘的專家系統框圖如圖2所示。

其中左側部分是系統的知識獲取。數據挖掘專家系統的知識源包括很多，其一是專家在現實中解決問題的一些實例；其二是對診斷設備發生故障保存的一些歷史數據；其三是故障實驗的仿真數據等。它的運行過程如下：

首先，建立一個齒輪箱故障試驗仿真結果數據庫。采集過程如圖3所示。接著從采完的數據中排除一些不用的信息，從中精選出一些數據得到數據庫，該數據庫是組構成關于該設備發生故障的樣本，再將數據從樣本空間映射到數據空間。

建立好樣本庫后，然后把數據中的不變特征采用通過預處理方法提取出來，這樣可以將其從數據空間轉變為特征空間，然后再確定系統中所需的挖掘算法等，最后可以進行數據挖掘。

在右半部分為故障診斷，在運行過程中，輸入數據首先經過數據預處理后，會經過系統處理轉變成特征模式，接著進人到全局數據庫，再結合知識庫中的知識來進行運算推理。

在選擇好數據挖掘的算法后，對故障樣本庫進行多次挖掘，從而完成故障知識的獲取。表1、2、3為提取的部分齒輪箱故障振動仿真數據庫部分獲取。

這個系統在整個推理過程中，診斷程序為主要過程，還有控制知識信息負責一項，這樣可以增加診斷的智能性。在診斷完成后，系統模塊列出推理的一系列過程。

3 結束語

文章結合數據挖掘技術，對其中的經典算法進行研究改進，并在分析故障診斷專家系統在問題的基礎上，對專家系統和數據挖掘進行比較，得出一個專家系統和數據挖掘結合的診斷系統，提高故障診斷的準確性。

參考文獻

[1]周麗麗.面向設備故障診斷的數據挖掘技術方法的研究[J].自動化技術與應用，2015，2.

[2]朱向明.數據挖掘故障診斷專家系統[J].火力與指揮控制，2011，9.

[3]黃文虎.設備故障診斷原理、技術及應用廠[M].北京：科學出版社，1996.

作者簡介：柴保明（1964，3-），男，河北邯鄲人，博士，教授，現任河北工程大學機電學院，副院長。

通訊作者：張韶（1988，1-），男，河北邯鄲人，碩士，現就讀于河北工程大學，專業為機械電子工程。