基于計算機數(shù)據(jù)挖掘的農(nóng)機設備狀態(tài)智能檢測技術

周經(jīng)龍

(重慶科創(chuàng)職業(yè)學院，重慶 402160)

1 計算機數(shù)據(jù)挖掘技術方法

1.1 神經(jīng)網(wǎng)絡法

該方法是模仿生物神經(jīng)系統(tǒng)的功能和結構，利用了大自然的鬼斧神工而發(fā)展來的一種方法。通過非線性預測模型將每一個關系單元連接起來，利用大數(shù)據(jù)實現(xiàn)數(shù)據(jù)收集、儲存、分析、數(shù)據(jù)深度挖掘的過程。隨著數(shù)據(jù)庫數(shù)據(jù)不斷地增加，能夠從大量的數(shù)據(jù)中分析出可以遵循的規(guī)律，克服了傳統(tǒng)分析過程復雜，需要大量時間支撐的弊端，能夠高精度地計算出結果。其缺點是長時間積累數(shù)據(jù)，不適合處理高維變量的數(shù)據(jù)，缺乏中間工作過程的監(jiān)控能力，在與農(nóng)機設備狀態(tài)智能檢測技術結合時，具有很大的不確定性。雖然神經(jīng)網(wǎng)絡法應用廣泛，但是目前缺乏與農(nóng)機智能檢測技術融合使用的兼容性，無論是理論層面還是技術層面，都需要研究和摸索。

1.2 決策樹方法

該方法源于樹形狀和特點而得名，其可以從無規(guī)律的數(shù)據(jù)中經(jīng)過分析、推理得出以決策樹形式表示出來的分類規(guī)律法。與樹的特點相同是從頂端向下歸納總結，在決策樹的根節(jié)點到枝節(jié)點進行屬性值分析，在葉節(jié)點端得到結論，從根節(jié)點到葉節(jié)點就會分析出一個規(guī)律，得到這個規(guī)律的過程方法就是決策樹方法。其適用于多級決策，能夠描述多級決策的有效方法，具有分析思路，決策結果明確的優(yōu)點。但是其是依據(jù)變量的閾值作為決策要素，難以做到精準取值從而達到結果精確的目的。此外，決策樹的知識晦澀難懂，又取值閾值影響計算結果的應用，所以其不適用于農(nóng)機設備狀態(tài)智能檢測技術的計算方法。

1.3 遺傳算法

該方法起源于美國，依據(jù)達爾文生物進化理論的自然選擇和遺傳機理而來，通過模擬自然進化而得出普遍規(guī)律和最優(yōu)解決方法。通過選擇、交叉、變異的過程得出最優(yōu)解，在數(shù)據(jù)挖掘技術中使用比較廣泛。其對編碼要求極高，如果編碼不規(guī)范會導致結果不準確，進而影響對結果的參考和應用。其次是某一個遺傳的規(guī)律不能全面地優(yōu)化、解決問題，如果問題較為復雜情況還會耗費很長的計算時間，在應用方面存在技術壁壘和方法。在農(nóng)機設備狀態(tài)智能檢測技術應用方面存在明顯的維度不夠、精度不高的劣勢，目前沒有一個較為科學、高效的融合方法，所以目前不適用農(nóng)機設備狀態(tài)智能檢測技術的融合。

1.4 粗糙集法

該方法擅長處理不確定性數(shù)據(jù)、不精確的知識表達，可以對數(shù)據(jù)庫的知識進行化簡得出數(shù)據(jù)之間的規(guī)律關系。其在數(shù)據(jù)挖掘技術中應用愈加廣泛，未來的發(fā)展和應用也是很有前景的，其能夠處理各種不完整的數(shù)據(jù)和擁有多變量的數(shù)據(jù)，能夠處理精確和不精確的復雜數(shù)據(jù)，并計算得出合理的表達和區(qū)分數(shù)據(jù)層次，操作也很簡單，很適合智能領域的應用。但是其缺點影響了其在農(nóng)機設備狀態(tài)智能檢測的應用，不能處理連續(xù)的數(shù)值，會忽略一些有價值的變量從而影響計算結果，這對農(nóng)機故障的檢測是非常致命的，需要一個更加科學、精準、可靠的計算方法來實現(xiàn)農(nóng)機狀態(tài)智能檢測。

1.5 支持向量機分類法

該方法是基于數(shù)學函數(shù)回歸理論，針對二值分類問題得出。其不僅具有數(shù)據(jù)挖掘技術的分類功能，也融入了數(shù)學回歸函數(shù)的計算能力，對結果的分析相對科學和精確，是農(nóng)機設備狀態(tài)檢測技術算法的最佳選擇。將農(nóng)機設備的狀態(tài)檢測數(shù)據(jù)集合用回歸函數(shù)的形式表示出來，并依據(jù)農(nóng)機的型號，故障類型等進行高維建設，再對對應的故障現(xiàn)象計算故障方位，最后根據(jù)故障部位給出修理建議。這種數(shù)據(jù)挖掘技術和農(nóng)機設備狀態(tài)智能檢測融合率很高，能夠精準計算出故障部位，給出故障解決策略，是數(shù)據(jù)挖掘技術在農(nóng)機設備狀態(tài)智能檢測中計算方法的優(yōu)選。

2 農(nóng)機設備狀態(tài)智能檢測技術應用

2.1 數(shù)據(jù)收集

農(nóng)機設備各個組成的狀態(tài)需要進行實時收集，根據(jù)農(nóng)機的特點采取傳感器的形式進行數(shù)據(jù)收集，對農(nóng)機設備能夠影響狀態(tài)的因素上安裝無線傳感器，對這些數(shù)據(jù)進行賦值量化。其次對這些傳回的信息進行回歸函數(shù)計算，根據(jù)設備的狀態(tài)能夠計算出對應的數(shù)值，在對應區(qū)間定性故障狀態(tài)，并排除一些無用的干擾數(shù)據(jù)，避免影響計算結果的準確性。

2.2 建立數(shù)據(jù)庫

建立數(shù)據(jù)庫很重要，其包含了設備狀態(tài)的各種情況及數(shù)據(jù)閾值，對傳感器實時上傳的數(shù)據(jù)進行收集、處理、分析、檢測結果、應對方法、儲存等，一切涉及設備狀態(tài)智能檢測的數(shù)據(jù)都在數(shù)據(jù)庫里。根據(jù)設備的型號、使用年限、常見故障、零件組成的狀態(tài)等等，是一個最大的數(shù)據(jù)集成和處理中心，是設備智能檢測的大腦。數(shù)據(jù)挖掘技術是建立在龐大數(shù)據(jù)庫的基礎之上，所以數(shù)據(jù)的建設需要越全越好、越多越好、越精準越好，因為數(shù)據(jù)支撐著計算的精準度，決定著設備檢測的結果正確與否。

2.3 建立模型

我們基于計算機數(shù)據(jù)挖掘技術建立農(nóng)機設備狀態(tài)智能檢測模型，在無限傳感器對農(nóng)機設備和各個零件的監(jiān)控下，采集需要的數(shù)據(jù)，對這些數(shù)據(jù)進行處理和甄選，排除無用的干擾數(shù)據(jù)，以求數(shù)據(jù)真實有效。其次是處理這些數(shù)據(jù)計算出收集數(shù)據(jù)的實際賦值，將數(shù)值對應到到農(nóng)機設備的狀態(tài)閾值中，通過數(shù)據(jù)挖掘分析出最可能出現(xiàn)故障的幾個部位。這里首先要確定是否出現(xiàn)故障，確定出現(xiàn)故障后根據(jù)計算分析出故障的源頭是哪里。最后是輸出檢測結果，對檢測結果顯示出的故障源進行排除，建立一個全過程的模型，用于驗證其實用性、精確性等。

2.4 模擬數(shù)據(jù)分析

模型建立后需要進行模擬分析，模擬分析有2個目的，一是要驗證檢測系統(tǒng)的可靠性，多種情況下的表現(xiàn)和檢測的精準度及其工作的時間效率是否能夠滿足現(xiàn)實應用；二是擴充數(shù)據(jù)庫的數(shù)據(jù)給計算提供分析數(shù)據(jù)或者分析依據(jù)，針對各種情況是否能夠滿足計算的數(shù)據(jù)支持及計算數(shù)據(jù)的精準度是否受到收集的數(shù)值真實度影響。在進行模擬分析時，對數(shù)據(jù)庫進行補全的同時，要不斷地發(fā)現(xiàn)存在的問題，這些問題和數(shù)據(jù)都將為進一步發(fā)展研究提供數(shù)據(jù)基礎。此外，農(nóng)機設備的狀態(tài)是不確定的，而數(shù)據(jù)庫的數(shù)據(jù)是有限的。要對數(shù)據(jù)挖掘和智能檢測的融合進行評估，是否能夠完整地描述出設備的狀態(tài)規(guī)律，計算出現(xiàn)的錯誤概率是否處在可以接受的范圍內(nèi)，結果是否具有說服力，時間效率是否提高等等。

2.5 故障排除方法的選擇

在計算機數(shù)據(jù)挖掘技術和農(nóng)機設備狀態(tài)智能檢測技術融合中，主要解決的問題是檢測農(nóng)機的狀態(tài)及故障的排除，發(fā)現(xiàn)問題到解決問題的智能過程。故障排除方法的選擇要更具智能化，提供暫時修復和徹底修復，根據(jù)實際情況選擇修復的方法，如果工作任務比較緊急可以選擇暫時修復，如果不緊急或者故障潛在危險比較大，可以選擇徹底修復，以保證設備狀態(tài)的良好運行性。

3 結語

基于計算機數(shù)據(jù)挖掘技術的農(nóng)機設備狀態(tài)智能檢測是兩個領域的良性融合，實現(xiàn)了數(shù)據(jù)挖掘技術的實用性，保證了農(nóng)機狀態(tài)通過智能檢測的可控性。對比分析得出支持向量分類法比較適合農(nóng)機設備狀態(tài)智能檢測后，我們通過數(shù)據(jù)收集、建立數(shù)據(jù)庫、建立模型、模擬數(shù)據(jù)分析、故障排除方法的選擇等步驟進行融合之后的可行性，得到了肯定的驗證。實現(xiàn)了基于計算機數(shù)據(jù)挖掘的農(nóng)機設備狀態(tài)智能檢測技術應用，其擴展了數(shù)據(jù)挖掘技術的應用范圍，提高了農(nóng)機設備狀態(tài)智能檢測的效率和可操作性。