本文關(guān)鍵詞：決策樹算法在機(jī)械設(shè)備故障診斷系統(tǒng)中的應(yīng)用

  更多相關(guān)文章： 故障診斷 數(shù)據(jù)挖掘 決策樹 變精度粗糙集

【摘要】：隨著現(xiàn)代機(jī)械設(shè)備朝著大型化、智能化發(fā)展，設(shè)備結(jié)構(gòu)變得越來越復(fù)雜，，對設(shè)備進(jìn)行故障診斷也越發(fā)困難。在機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)的推動下，基于機(jī)器自學(xué)習(xí)的故障診斷系統(tǒng)正飛速發(fā)展。智能化的故障診斷系統(tǒng)克服了原有診斷方式的缺陷，能夠及時準(zhǔn)確發(fā)現(xiàn)機(jī)械設(shè)備隱藏的故障信息，從而快速自動監(jiān)測診斷設(shè)備故障，提高了診斷效率，減少了因診斷不及時不準(zhǔn)確造成的損失。 智能化的故障診斷系統(tǒng)中，診斷規(guī)則如何獲取是一個關(guān)鍵。本文采用數(shù)據(jù)挖掘中應(yīng)用十分廣泛成熟的決策樹技術(shù)作為診斷規(guī)則提取的主要技術(shù)。首先對已有的決策樹方法進(jìn)行了分析和研究，發(fā)現(xiàn)基于粗糙集和變精度粗糙集理論的決策樹構(gòu)造方法具有較好的分類效果，然而也存在分類精度不夠高，決策樹節(jié)點(diǎn)屬性選擇困難，對噪聲數(shù)據(jù)抑制能力差等特點(diǎn)，由此提出了基于變精度粗糙集的決策樹構(gòu)造改進(jìn)算法。在Weka機(jī)器學(xué)習(xí)平臺上試驗(yàn)比較，結(jié)果表明本文提出的算法在分類精度、決策樹復(fù)雜度、抑制噪聲能力方面都得到一定提升，證明了算法的有效性。 在所提改進(jìn)方法的基礎(chǔ)上，以選煤廠機(jī)械設(shè)備為對象，設(shè)計(jì)實(shí)現(xiàn)了一套故障診斷與分析系統(tǒng)。系統(tǒng)根據(jù)已經(jīng)測得的能夠反映設(shè)備運(yùn)行狀況的振動歷史數(shù)據(jù)，利用本文提出的決策樹構(gòu)造算法得到設(shè)備診斷規(guī)則，再將規(guī)則應(yīng)用得到實(shí)時診斷系統(tǒng)中來，從而達(dá)到對設(shè)備實(shí)時運(yùn)行狀況進(jìn)行分析診斷的目的。
【關(guān)鍵詞】：故障診斷 數(shù)據(jù)挖掘 決策樹 變精度粗糙集
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TH165.3
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-16
• 1.1 課題來源及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-14
• 1.3 論文的研究內(nèi)容14
• 1.4 論文的組織結(jié)構(gòu)14-16
• 2 機(jī)械設(shè)備故障機(jī)理與診斷方法16-30
• 2.1 機(jī)械設(shè)備常見故障形式16-18
• 2.2 機(jī)械振動信號分析診斷方法18-22
• 2.3 機(jī)械故障智能診斷方法22-27
• 2.4 選煤廠機(jī)械設(shè)備常見故障及診斷方法研究27-29
• 2.5 本章小結(jié)29-30
• 3 數(shù)據(jù)挖掘決策樹算法研究30-38
• 3.1 決策樹算法概述30-32
• 3.2 幾種常用決策樹分類算法32-36
• 3.3 決策樹改進(jìn)算法研究36
• 3.4 本章小結(jié)36-38
• 4 基于變精度粗糙集的決策樹構(gòu)造改進(jìn)算法研究38-49
• 4.1 變精度粗糙集理論38-41
• 4.2 變精度粗糙集決策樹構(gòu)造改進(jìn)算法41-46
• 4.3 算法實(shí)現(xiàn)與分析46-48
• 4.4 本章小結(jié)48-49
• 5 基于決策樹算法的機(jī)械設(shè)備故障診斷系統(tǒng)設(shè)計(jì)49-60
• 5.1 總體技術(shù)方案49-50
• 5.2 硬件設(shè)計(jì)50-51
• 5.3 軟件設(shè)計(jì)51-52
• 5.4 系統(tǒng)實(shí)現(xiàn)52-59
• 5.5 本章小結(jié)59-60
• 6 結(jié)論與展望60-62
• 6.1 結(jié)論60-61
• 6.2 展望61-62
• 致謝62-63
• 參考文獻(xiàn)63-68
• 附錄 在攻讀碩士期間發(fā)表的論文68

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 金鑫;任獻(xiàn)彬;周亮;;智能故障診斷技術(shù)研究綜述[J];國外電子測量技術(shù);2009年07期

2 卿宇搏;莫學(xué)芳;吳上海;;故障診斷技術(shù)綜述及發(fā)展趨勢[J];中國儲運(yùn);2012年11期

3 趙永滿;梅衛(wèi)江;吳疆;王春林;;機(jī)械故障診斷技術(shù)發(fā)展及趨勢分析[J];機(jī)床與液壓;2009年10期

4 洪雪飛;徐維祥;;基于變精度粗糙集的決策樹改進(jìn)方法[J];計(jì)算機(jī)工程與應(yīng)用;2009年13期

5 王名揚(yáng),衛(wèi)金茂,伊衛(wèi)國;變精度粗集模型在決策樹生成過程中的應(yīng)用[J];計(jì)算機(jī)工程與科學(xué);2005年01期

6 丁春榮;李龍澍;;變精度粗糙集模型在決策樹構(gòu)造中的應(yīng)用[J];計(jì)算機(jī)工程與科學(xué);2010年07期

7 韓慧,毛鋒,王文淵;數(shù)據(jù)挖掘中決策樹算法的最新進(jìn)展[J];計(jì)算機(jī)應(yīng)用研究;2004年12期

8 劉興文;王典洪;陳分雄;;一種基于變精度粗糙集的C4.5決策樹改進(jìn)算法[J];計(jì)算機(jī)應(yīng)用研究;2011年10期

9 李秋紅;李凈儀;謝劍;王麗君;;機(jī)械故障診斷的研究與發(fā)展趨勢[J];農(nóng)機(jī)使用與維修;2010年02期

10 苗奪謙,王玨;基于粗糙集的多變量決策樹構(gòu)造方法[J];軟件學(xué)報(bào);1997年06期

本文編號：926557