決策樹算法在診斷機械故障信息挖掘中的應用

岳根霞，王 劍，劉金花

（山西醫科大學汾陽學院，山西 汾陽 032200）

1 引言

在實際應用中，圖像檢測可以得出醫學診斷機械中隱藏著的較為重要的故障數據信息，所以對其進行快速有效的數據挖掘處理，是現下研究領域中較為重要的研究課題。雖然以往方法能夠獲得出機械故障檢測圖像中的特征內容[1-3]，但因為在計算過程中并不能有效地對圖像灰度特征判定，特征數據以及分辨屬性受到約束，從而使整體視覺效果受到嚴重影響，無法確定故障位置和造成診斷機械故障的因素。

在數據挖掘的眾多方法中，決策樹算法因具有提取效果高、計算復雜率低而被廣泛應用，在一定程度上可以將其稱之為直觀概率分析圖解法，可以根據本身的計算結果，在圖像已知的情況下，求解出最終期望值，從而實現對機械故障檢測圖像診斷中的決策事件提供有效判斷依據的目的，無法完全的獲取用戶想要的數據信息，基于此，這里基于決策樹算法，研究診斷機械故障信息數據挖掘方法，創新性在于應用決策樹算法改進C4.5，對圖像中的診斷機械故障數據進行挖掘與計算，并通過校正矩陣分別構建出多種不同的訓練數據集，形成眾多深度樹，以達到提高整體算法精準度的目的。

2 數據預處理

2.1 機械故障檢測圖像預處理

在本次研究中，由于診斷機械故障信息多屬于數據層，所以，會根據不同區域圖像要求，分別使用尺寸歸一化、中值濾波去噪以及圖像增強手段，在最大程度上減少后續挖掘過程[4]，具體處理結果，如圖1所示。

圖1 圖像預處理結果Fig.1 Image Preprocessing Results

其中圖1（a）是待挖掘原圖像，或因外界干擾、保存不當出現模糊，無法直接用于挖掘，圖1（b）為中值濾波去噪后的圖像，圖1（c）是通過尺寸歸一化處理后的圖像，圖1（d）則是經過圖像類型轉換后得出的圖像，將RGB模式轉換到HSV模式。

2.2 診斷圖形信息的三級小波分解

醫用診斷機械的故障表現在它的結構上主要是它的零件損壞和零件之間相互關系的破壞，如零件的斷裂、變形、配合件的間隙增大或過盈可以喪失，固定和緊固裝置的松動和失效等，所以在實際處理機械故障檢測圖像的過程中，必須要將機械故障類型歸一化，即對機械故障檢測圖像中連續小波進行離散化處理，而離散化處理具體是針對多種連續的尺度參數b和連續平移參數ɑ進行歸一處理，可以有效整合醫用診斷機械故障數據。在一般情況下，可以將連續小波變換中尺度參數ɑ和平移參數b的離散化公式分別取值為ɑ=ɑ0j，b=b0j，此處j∈z，但假設對取值再進行拓展步長處理，便有ɑ0≠1，其中ɑ0≠1是固定取值。為了便捷起見，將假設取值ɑ0＞1，這樣便可以將離散小波函數φjk(t)寫為：

而離散小波變換系數根據上式即可表示為：

再對機械故障檢測圖像進行第N層二維小波分解后，就會進一步得出圖像中每層變換后的系數，分別有低頻系數、水平細節系數、對角細節系數和垂直細節系數。對機械故障檢測圖像進行二維離散小波分解的過程中，每做一次分解處理，那么對應圖像中下一層的尺寸就會變成為上一層圖像的四分之一，這樣進行一次分解處理，就會得出四個子帶，那么進行M次分解處理，就會得出3M+1個子帶，其中分解圖，如圖2所示。

圖2 診斷圖形的三級小波分解圖Fig.2 Three Level Wavelet Decomposition of Diagnosis Graph

3 機械故障檢測圖像信息數據挖掘

3.1 基于決策樹算法的診斷機械故障信息挖掘

3.1.1 機械故障檢測信息屬性數據定義

引入決策樹算法，假設將S描述為s個機械故障檢測信息數據樣本的集合，并在此基礎上設定類標號屬性具有m個不同的取值結果，那么將判定m個不同類取值便有Ci(i=1，…，m)，其中設si是類Ci集合中的樣本數量。在實際計算過程中，假設將機械故障檢測圖像樣本訓練數據集合判定為，在這其中將N描述為訓練樣本的總數量；x表示為計算過程中的條件屬性，這樣每個機械故障檢測圖像樣本所包含的條件屬性就會有n個，便有x=則表示了樣本計算的決策屬性，并且有y(i)∈{w1，w2，…，wc}。矩陣X將判定為N個訓練樣本，其中每個訓練樣本的第n個條件屬性值構建成的矩陣，即X是N×n維矩陣，再假設將矩陣Y判定為N個訓練樣本所對應的決策樹型值矩陣，就有Y=[y1，y2，…，yN]。

3.1.2 機械診斷圖像故障信息數據挖掘

在上述決策樹原理以及算法的基礎上，提出了C4.5集成算法來對機械診斷圖像進行故障數據挖掘計算［5-7］。該算法在一定程度上采用了并行結構的集成方法，針對每一個樣本成員Di{i∈(1，…，L)}，通過改正矩陣的方法分別構建出多種不同的訓練數據集，以達到提高整體算法的分類精準度。

具體實現過程，如下所示：

（1）首先根據C4.5成員分類器構造的修正矩陣，其中以Di為范例：

將樣本屬性特征集合F任意地分布到K個子集中，并且令每個子集之間的屬性特征彼此不重合，這樣每個特征子集便有H=n/K個屬性特征。然后再將Fij判定為針對Di的第j個特征子集屬性j∈(1，…，K)的集合，并用Mij矩陣來表示對應子集屬性值矩陣，為了從根本上實現該算法集成中每個樣本矩陣Di之間的多樣性，對矩陣Mij進行抽取部分數據處理，進一步得出矩陣。

（2）集成算法參數L，此處將L設置為L=c，并結合投票法，該參數取值由下式計算求出：

在上式中，將c描述為故障信息樣本決策屬性分類的數量。

（3）分類結果的投票法，此處詳細統計了L個樣本成員Di，并對某一個待分類的樣本進行分類，其中最終分類結果將采用了少數服從多數的原則。

3.2 診斷機械故障信息數據挖掘

在一般情況下，對挖掘對象進行分類處理是數據挖掘中較為常用的一種技術［9］，根據訓練故障信息數據集合中被挖掘的數據特征，來進行分類處理，并且將其進行更加明確的闡述或構建模型，然后在此基礎上對新的故障信息數據進行分類處理。

結合上述挖掘分類方法，此處將運用了決策樹中的ID3算法，該算法在實際計算過程中，可以根據診斷圖像所闡述的離散型數據屬性進一步創建決策樹模型，創建決策樹的主要流程是需要在數據屬性集合中尋找出數據信息增益取值最大的屬性子集，然后令該子集作為決策的根節點［10-11］，再運用該子集的節點屬性取值，將整體圖像子集等同劃分為眾多子集，并且將子集的屬性從總的屬性集合中去除，這樣在每個子集中選取出目前子集的根節點，這樣一直重復選取，直到獲取出全部樣本是一個類別的屬性集合為止。

如果在實際計算的過程中，一個對應的條件屬性A同時擁有v個不同值ɑ1，ɑ2，…，ɑv，并將S等同劃分為v個子集S1，S2，…Sv，就有Sj子集中A屬性的取值平均為ɑj(j=1，2，…v)，其中將sij描述為子集Sj中類Ci的樣本數量，這樣由A劃分成子集的期望信息值就有：

根據上式計算結果，便可進一步得出在條件屬性A分枝上獲得的信息增益：

在根據離散型屬性的數據集構建決策樹的過程中，將會分別對每個灰度級取值進行計算，計算對應的信息增益取值，根據取值結果，一般情況下具有較高取值信息增益的灰度級將會被優先選擇，然后創建節點，構建節點分支并劃分圖像樣本。

4 仿真實驗

4.1 實驗環境及數據來源

為了進一步驗證方法有效性，明確方法性能，設定仿真實驗環境為：CPU為Inte（l R）Celeron（R），2.6GHz，內存為2.0GB，操作系統為Windows XP，實驗開發平臺Visual Studio2010，基礎函數庫采用Intel公司開發的Open CV圖像處理算法庫，使用Java語言編寫接口程序，從基礎函數庫中讀取上述模型數據并生成仿真程序。

分別采用UCI MachineLearning Repository（https：//archive.ics.uci.edu/ml/datasets.html）圖像庫中CT掃描機械的高孔隙度鋁鑄件齒輪結構故障圖像，排除清晰度低于720P的圖像35張，排除與這里聯系不強的圖像254張，在剩余圖像中隨機挑選1000張圖像，與上述文獻［1-3］方法進行挖掘精準度、效率對比。

在實際仿真環境中，在CT掃描架以恒速旋轉的過程中，旋轉馬達通過齒輪系統驅動位置編碼器，以該高孔隙度鋁鑄件齒輪為例，采用（160～-450）kV高束流穩定度的X-射線機和大面陣高分辨率非晶硅平板探測器作為輔助硬件，檢測機械故障，如咬合不緊、齒輪牙大小不一等，獲取故障圖像，分別包括有癥狀和無癥狀兩種，所以仿真實驗結果的分類屬性取值就會有兩種，如圖3所示。

圖3 故障圖像示例Fig.3 Example of Fault Image

4.2 實驗過程

4.2.1 挖掘效率

根據對訓練集和測試集圖像，分別應用Paint Shop Pro進行分割獲取灰度級，應用ID3決策樹分類算法對訓練集進行故障數據挖掘。

根據直觀實驗結果引入不同的量分別用于衡量這里的方法和其他文獻方法對機械故障的診斷效果。分別用時間評價故障診斷的數量，用達到要求的樣本數量反映找到故障的精準度，直觀對比圖像分別，如圖4、圖6所示。量化結果，如圖5、圖7所示。

圖4 其他文獻方法與這里的方法診斷故障數量對比圖Fig.4 Comparison of the Number of Faults Diagnosed by Other Literature Methods and this Method

圖5 診斷機械故障圖像挖掘時間對比圖Fig.5 Time Comparison of Image Mining for Diagnosing Mechanical Faults

圖6 其他文獻方法與這里方法診斷故障精準度對比圖Fig.6 Comparison of Fault Diagnosis Accuracy between Other Literature Methods and this Method

圖7 診斷機械故障圖像挖掘精準度對比圖Fig.7 Accuracy Comparison Chart of Image Mining for Mechanical fault Diagnosis

用單位時間故障診斷的數量N表示最終效果，其他文獻實驗結果表示為N1，這里方法實驗結果表示為N2；數據對比結論為：N1＜N2，表示這里方法效果較好；記錄診斷相同數量故障所用時間，數據結果，如圖5所示。根據圖5可知，三種方法在對診斷機械故障圖像進行數據挖掘的過程中，挖掘時間都會隨著樣本數量的增加而增加，但是可以明顯的看出四種方法的差距，在不同數量樣本中，所提方法的挖掘時間要遠遠低于其他兩種方法，這是因為這里的方法對診斷機械故障圖像檢測獲取出的圖像進行小波變換特征提取，令每個子集之間的屬性特征彼此不重合，提取針對性較強，挖掘時間較短，方便用戶在有限時間內獲取更多的數據。

基于上述實驗結果分析得知，四種方法相比之下，所提出的方法在評估耗費時間方面具有較大的優勢，評估所需要的時間最短，挖掘效率較高。

4.2.2 挖掘精準度

設定期望被診斷的故障點集樣本總數為C，其他文獻和這里的方法診斷出的故障點數分別為ɑ和b，用分別反映其故障診斷精準率，其次將這里的方法與文獻［1-3］在診斷機械故障圖像檢測數據挖掘結果根據實驗計算出的精準度進行比較。

其中具體數據對比結果，如圖7所示。

根據圖7可以明顯看出，所提出方法與其他三種方法在對診斷機械故障圖像進行數據挖掘的過程中，具有較為明顯的優勢差距，經過對比可得P1＜P2，表明這里的方法效果較好。同樣，這一情況也說明了這里方法具有計算簡便、效率高等優點。

5 結論

為了在有效的時間內將更多精準、有效的信息提供給使用者，輔助決斷，提高機械故障圖像檢測的特征信息、高分辨屬性描述清晰度，在決策樹算法的基礎上，構建出一種診斷機械故障信息數據挖掘方法。結合決策樹算法提出了C4.5方法，挖掘診斷機械故障檢測圖像特征，并針對每個樣本圖像，通過改正矩陣構建出多種不同的訓練數據集，以達到提高整體算法精準度的目的，可以有效解決圖像清晰度有限的問題，并且具有計算簡單、挖掘效率高等優點。