基于数据挖掘的设备故障诊断

《基于数据挖掘的设备故障诊断》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、北京化工大学硕士学位论文基于数据挖掘的设备故障诊断姓名：曹倬瑝申请学位级别：硕士专业：计算机应用技术指导教师：许南山20050603北京化工大学硕士研究生学位论文基于数据挖掘的设备故障诊断摘要本文研究了基于数据挖掘的压缩机故障诊断方法，跟以往的故障诊断方法不同，作者研究的方向并不是基于机械振动分析，丽是采用了粗集理论结合神经网络的方法。这种方法充分利用了运行时从DCS上采集来的大量特征数据，并利用粗集理论在处理大数据量、消除冗余信息等方面的优势，减少BP网络训练数据的冗余，从中找出故障发生的规律和诊断规则知识。粗集理论近年来在智能信息处理研究领域获

2、得了迅速发展，它基于现实的大数据集，从中推理、发现知识和分类系统的某些特点，对于研究不精确知识的表达、学习、归纳方面有其独特之处。因为压缩机的实际情况是不精确的知识处理，与粗集的特点较为吻合，因此引入了粗集这个强有力的工具。运用该理论所提供的上、下近似范畴及不可分辨关系，将运行的特征数据“去粗存精”，即去掉冗余的条件属性和重复的记录(称为约简)。在此基础上，得出诊断的规则，再结合机器学习理论，应用人工神经网络，优化该诊断的结果，并使其具有自学习能力，设计出具有故障诊断和智能预测的设备故障诊断系统。I北京化工太学硕士研究生学位论文该系统已经提交给用户

3、使用，并且得到了用户的良好反映。对于石化企业的麈缔机故障诊断具有实用价值，为减少生产检测成本、提高生产的稳定性起到了积极的作用。学习关键词：数据挖掘，故障诊断，粗集理论，知识表达逻辑，机器II北京化工大学硕士研究生学位论文MECHANICALFUAl只DIAGNOSISBASEDONDATAMININGABSTRACTThispaperstudiesamethodofcompressorfaultdiagnosisbasedonRoughSetgtheory，whichisoneofthelatesttoolsinDataMiningarea．No

4、tliketheusualmethodsthatbasedonmechanicalvibrancy,thismethodcombinestheRoughSetstheorywiththeArtificialNeuralNetwork，whichmakesthebestofthelargecharacteristicrunningdatafromtheDCS．InvirtueoftheabilityRoughSetshastodecreasebeamountofdataandprocessesitwithareduction．Itcanreducet

5、heamountofthetrainingdataandovercotrleBP’Sdefectofslowtrainingspeedwhenprocesslargedataset，thusresuRsinfindingtherulesandthediagnosisknowledgewithfairlygoodperformance．RoughSetstheoryhasmadefastprogressinrecentyears，ithasoutstandingabilityinresearchofexpressing，learning，conclu

6、dingnon-preciseknowledge．Itisbasedonpracticallargedatasels，anddeduce，findtheknowledgeandkeyoftheclassificationsystems·ln雠spoint，theRoughSetstheoryisfitclosewiththefactsoft虹comDl七ssor．That，swhyintroducesthispowerfult001．Appliedwiththem北京化工大学硕士研究生学位论文upperapproximation，lowerappr

7、oximationandindiscerniblerelation，wemanagestogetridoftheredundantattribmesandthereduplicaterecords(thisiscalledReduction)；Thenderivesthefaultdiagnosisknowledgefromit；Basedontheseresults，wesenditintotheANN，andgetsomeoptimalresult,indueitwithself-learningability．Themechanicalfau

8、ltdiagnosissystemwithfaultdiagnosisfunctionandintelligentfaul