数据挖掘的机械故障诊断研究(附件)
在当今社会中计算机在各企业生产中应用越来越来广泛,这对于目前各企业当中自动化程度很高的复杂设备的运行数据的记录处理有很大的帮助。但是设备越复杂和高端,其数据越是庞大。把计算机中的数据挖掘技术应用于设备的远程故障诊断,将会改善以往传统诊断方式中的滞后性、高费用和无法预知的现状。本文对数据挖掘技术在机械设备故障诊断中的应用做了一个笼统的介绍。通过轴承故障诊断实验展示了数据挖掘技术在故障诊断中的数据分析和处理功能。关键词 数据挖掘，机械设备，故障诊断
目录
1 引言 1
1.1 课题的研究目的和意义 1
1.2 国内外研究现状 2
2 数据挖掘背景 4
2.1 起源 4
2.2 发展阶段 5
2.3 认知过程 6
2.4 数据挖掘的常用技术 7
3 数据挖掘在机械设备故障诊断中的分析 9
3.1 应用的基本原理 9
3.2 挖掘技术策略 10
3.3 数据挖掘的算法 11
3.4 数据挖掘技术在故障诊断中的应用研究 11
4 数据挖掘系统在故障中的应用实例 12
4.1 数据挖掘在旋转机械中的应用 12
4.2 钻机故障诊断数据挖掘系统 14
4.3 数据挖掘在汽车故障诊断中的应用 17
5 MATLAB软件进行数据处理与建模 18
5.1 网络建模 18
5.2 代码输入 18
5.3 通过BP神经网络得到结果 21
结论 25
致谢 26
参考文献 27
引言
1.1 课题的研究目的和意义
现代化生产的核心是生产设备，科学平台的迅速成型，现代设备在工业上的生产逐渐高速化，智能化，还有自动化控制也明显提高了。由于结构复杂，功率大，连续高负荷运行，设备工作时间增加，内部条件发生变化，少不了故障的发生。故障灯是为了降低设备性能，或者停产，破坏设备，拆机，严重是会产生经济失调，死亡也是有一定几率的，甚至会产导致社会的不良风气影响。按时有效的进行故 *好棒文|www.hbsrm.com +Q: ^351916072#
障诊断，使设备的运行状态一直保证完美，在途径方面，故障诊断的技术得到了进一步的提升。先前设备的问题是一个比较传统的工作人员拆机，在观察故障的位问题所在，有时不能直接观察的部分，通过专用工具来测量，然后分析故障的原因和引导设备维护形成为专家们首要去解决的问题，故障诊断可以根据模型判别。通过观测系统，比较从系统中得到的数据和故障输出的值。在信号处理上面我们进行故障诊断。频率在无时无刻的变化，观查分析器信号的变化和故障判别，进行故障诊断[1]。但是它们通常都会有很多缺点，比如诊断模型很难正规化，故障检测系统也不能正常工作，故障数据不会得到并加以使用，无法预得到故障提前到达等情况。现有设备日益复杂，面对各式各样的问题我们是手足无措的。现在很多设备在工作中它们已经通过DCS（分布式计算机系统）被收集到一台计算机上，收存的过程中我们以实际作为单位，因此可以得到数据在每时每刻的变化，收集可以从每个贴片传感器分别获得诸如温度，压力，加速度等指标。任何的数据收集点都是设备中至关重要的地方或者是插口，将设备的工作情况反应出来。这些可行的数据以持久性的原则保存在数据库中，我们可以充分的回收利用。例如，观察一段时间，运行特性参数（故障表示）的转换可能是故障引起的。往往设备故障始都是由一些看似不起眼的小故障引发的，通过长期经验的积累，专家们也可以进一步分析得出规律，故障是怎么发生它们是哪种故障，即主观性很强，但这些规则不一定是相同的，专家规则也会是统一的，而且它们的继承性通常是不行的，在其他方面不被采用。我们应该学会一种方法来完成故障的判别，也就是两者之间对应的关系。这样的问题摆在我们面前，考虑过后，我觉得应该使用数据挖掘的方法，找出数据库中的故障问题决策，通过它完善我们的故障所需要定位以及修复。
1.2 国内外研究现状
目前发展阶段故障诊断成了是社会发展必不可少的产物。它可以分三大类分别为数学模型中的故障诊断，基于信号处理还有知识的故障诊断。第一个类故障诊断敏感之处在于参数变化，建模误差和噪声的影响，同时它对非线性系统很难诊断。第二类故障诊断对象相对单一，通用性差，对故障的隐蔽性强，不能对问题所在进行很好的解释，缺点也有很多;第三类故障诊断技术是一个突破口领域中的一个，它是未来发展距离的介绍，但是很多基于知识的故障诊断技术仍然处于只能对特定故障进行诊断的阶段，除了复杂设备的综合诊断和差距明显外，它的实用性也不被满足。现代装备它们都有着复杂的结构，动力学的特性高度不是线性，因此很难以得到有用的动力和知识模型。每个设备都有各自的问题，它们的信号特征也大不相同。所以这两大故障诊断技术对不同设备存在的问题不能满足。在知识的故障诊断技术存在着一种新兴技术，数据挖掘技术能够有效地解决各种型号复杂设备所存在的毛病，通过用数据库进行查询，很容易解释规则和匹配而失败的原因。数据挖掘技术的是很好的解决复杂设备存在故障诊断问题的方法之一。自二十世纪八十年代以来，它已成为计算机有效监视和诊断设备故障的重要诊断方法。 八十年代以来，人工智能技术，尤其是专家系统，神经网络，机器的学习，数据挖掘等相关的技术在实际中也有相当广泛的应用，使得设备故障诊断技术目前完全形成了智能化。因为它的实用性很广，所以成为了众多研究的对象。在一些专家系统早期发展的国家，机电设备故障诊断专家系统已经度过了研究和测试这两个阶段，同时应用相当的广泛。中国的故障诊断技术相对于一些发展国家晚些起步，但其发展迅速。我国很早期机械设备故障的诊断大多用于了航空航天，军事基地，原子能等至关重要的部门。
自从二十世纪七十年代以来，机械设备的故障诊断技术以无与伦比的速率进入到一些领域，列如航空、运输、机械、化工、冶金、电力，它的应用范围一天一天在扩大。数据挖掘作它是一种新知识发现方法，在各诊断领域造成了不小的轰动。也是因此数据挖掘研究成了众多国家研究和开发的新项目。一九九二年，加拿大国家研究委员会研究并启动了一个完善综合诊断系统，主要是为了先进的诊断技术的研发、测试和设备保障等各方面进行决策支持，并对大型企业对获取有效信息的问题就行了处理。知识如何提取、设备维护和故障诊断决策支持问题，该系统收集了大量监视数据、重要的维护信、气象条件和与民用航空器相关的制造商的资料，最后通过数据挖掘技术提取设备故障预测和诊断的相关知识，以及当遇到问题的吃了方式。在欧洲，挪威科技大学开发了一种基于粗糙集理论的数据挖掘工具箱ROSETTA，它有一个强大的功能就是总结每个故障的判别原则。采用罗塞塔提取的故障模型，是在阿斯顿大学计算机科学系和芬兰赫尔辛基理工大学海洋机械系共用的一个基于模型的旋转机械诊断大型系统。在一些国家，实践阶段已经有了数据挖掘工程实例的身影，举例，Acknosoft的KATE软件使用归纳方法从众多的数据中有效找出隐含的知识，同时使决策树自动生成，为诊断决策提供强大的动力。该系统完美被运行于波音飞机的制造中。摘要利用人工神经网络和遗传算法对数据挖掘技术在故障诊断中的应用进行了研究，并将其应用于美国的Processinsignht和Processadvisor软件。此外，英国阿伯丁大学计算机系开发的“老虎系统”专门针对于涡轮机的故障诊断。西安交通大学和新加坡国立大学利用粗糙集理论减少了断层所有属性，香港城市大学也层通过数据挖掘技术来筛选发电机组有效数据，上海交通大学对模式如何识，图像怎么处理他们研究所努力尝试使用最新的数据挖掘技术。我们需要在数据库中收集大量的数据来生成不确定的控制规则，自行故障诊断知识模型进行了解学习，处理优化的问题。从上面我们可以分析出，它将会成为工程诊断领域未来的一个非常有力发展方向。数据挖掘它是一种主流性，已成为智能故障诊断中的热点话题。通过研究，可以有效地对设备故障进行分类处理和匹配，很好的提升故障诊断的正确性和数据有效性。由于数据挖掘在故障诊断中的研究还没有到成熟的地步，对很多据挖掘技术的综合研究依旧是不够完善的。我们得对相关技术分析归纳，相互补充，以更好地完成实际的故障诊断。
目录
1 引言 1
1.1 课题的研究目的和意义 1
1.2 国内外研究现状 2
2 数据挖掘背景 4
2.1 起源 4
2.2 发展阶段 5
2.3 认知过程 6
2.4 数据挖掘的常用技术 7
3 数据挖掘在机械设备故障诊断中的分析 9
3.1 应用的基本原理 9
3.2 挖掘技术策略 10
3.3 数据挖掘的算法 11
3.4 数据挖掘技术在故障诊断中的应用研究 11
4 数据挖掘系统在故障中的应用实例 12
4.1 数据挖掘在旋转机械中的应用 12
4.2 钻机故障诊断数据挖掘系统 14
4.3 数据挖掘在汽车故障诊断中的应用 17
5 MATLAB软件进行数据处理与建模 18
5.1 网络建模 18
5.2 代码输入 18
5.3 通过BP神经网络得到结果 21
结论 25
致谢 26
参考文献 27
引言
1.1 课题的研究目的和意义
现代化生产的核心是生产设备，科学平台的迅速成型，现代设备在工业上的生产逐渐高速化，智能化，还有自动化控制也明显提高了。由于结构复杂，功率大，连续高负荷运行，设备工作时间增加，内部条件发生变化，少不了故障的发生。故障灯是为了降低设备性能，或者停产，破坏设备，拆机，严重是会产生经济失调，死亡也是有一定几率的，甚至会产导致社会的不良风气影响。按时有效的进行故 *好棒文|www.hbsrm.com +Q: ^351916072#
障诊断，使设备的运行状态一直保证完美，在途径方面，故障诊断的技术得到了进一步的提升。先前设备的问题是一个比较传统的工作人员拆机，在观察故障的位问题所在，有时不能直接观察的部分，通过专用工具来测量，然后分析故障的原因和引导设备维护形成为专家们首要去解决的问题，故障诊断可以根据模型判别。通过观测系统，比较从系统中得到的数据和故障输出的值。在信号处理上面我们进行故障诊断。频率在无时无刻的变化，观查分析器信号的变化和故障判别，进行故障诊断[1]。但是它们通常都会有很多缺点，比如诊断模型很难正规化，故障检测系统也不能正常工作，故障数据不会得到并加以使用，无法预得到故障提前到达等情况。现有设备日益复杂，面对各式各样的问题我们是手足无措的。现在很多设备在工作中它们已经通过DCS（分布式计算机系统）被收集到一台计算机上，收存的过程中我们以实际作为单位，因此可以得到数据在每时每刻的变化，收集可以从每个贴片传感器分别获得诸如温度，压力，加速度等指标。任何的数据收集点都是设备中至关重要的地方或者是插口，将设备的工作情况反应出来。这些可行的数据以持久性的原则保存在数据库中，我们可以充分的回收利用。例如，观察一段时间，运行特性参数（故障表示）的转换可能是故障引起的。往往设备故障始都是由一些看似不起眼的小故障引发的，通过长期经验的积累，专家们也可以进一步分析得出规律，故障是怎么发生它们是哪种故障，即主观性很强，但这些规则不一定是相同的，专家规则也会是统一的，而且它们的继承性通常是不行的，在其他方面不被采用。我们应该学会一种方法来完成故障的判别，也就是两者之间对应的关系。这样的问题摆在我们面前，考虑过后，我觉得应该使用数据挖掘的方法，找出数据库中的故障问题决策，通过它完善我们的故障所需要定位以及修复。
1.2 国内外研究现状
目前发展阶段故障诊断成了是社会发展必不可少的产物。它可以分三大类分别为数学模型中的故障诊断，基于信号处理还有知识的故障诊断。第一个类故障诊断敏感之处在于参数变化，建模误差和噪声的影响，同时它对非线性系统很难诊断。第二类故障诊断对象相对单一，通用性差，对故障的隐蔽性强，不能对问题所在进行很好的解释，缺点也有很多;第三类故障诊断技术是一个突破口领域中的一个，它是未来发展距离的介绍，但是很多基于知识的故障诊断技术仍然处于只能对特定故障进行诊断的阶段，除了复杂设备的综合诊断和差距明显外，它的实用性也不被满足。现代装备它们都有着复杂的结构，动力学的特性高度不是线性，因此很难以得到有用的动力和知识模型。每个设备都有各自的问题，它们的信号特征也大不相同。所以这两大故障诊断技术对不同设备存在的问题不能满足。在知识的故障诊断技术存在着一种新兴技术，数据挖掘技术能够有效地解决各种型号复杂设备所存在的毛病，通过用数据库进行查询，很容易解释规则和匹配而失败的原因。数据挖掘技术的是很好的解决复杂设备存在故障诊断问题的方法之一。自二十世纪八十年代以来，它已成为计算机有效监视和诊断设备故障的重要诊断方法。 八十年代以来，人工智能技术，尤其是专家系统，神经网络，机器的学习，数据挖掘等相关的技术在实际中也有相当广泛的应用，使得设备故障诊断技术目前完全形成了智能化。因为它的实用性很广，所以成为了众多研究的对象。在一些专家系统早期发展的国家，机电设备故障诊断专家系统已经度过了研究和测试这两个阶段，同时应用相当的广泛。中国的故障诊断技术相对于一些发展国家晚些起步，但其发展迅速。我国很早期机械设备故障的诊断大多用于了航空航天，军事基地，原子能等至关重要的部门。
自从二十世纪七十年代以来，机械设备的故障诊断技术以无与伦比的速率进入到一些领域，列如航空、运输、机械、化工、冶金、电力，它的应用范围一天一天在扩大。数据挖掘作它是一种新知识发现方法，在各诊断领域造成了不小的轰动。也是因此数据挖掘研究成了众多国家研究和开发的新项目。一九九二年，加拿大国家研究委员会研究并启动了一个完善综合诊断系统，主要是为了先进的诊断技术的研发、测试和设备保障等各方面进行决策支持，并对大型企业对获取有效信息的问题就行了处理。知识如何提取、设备维护和故障诊断决策支持问题，该系统收集了大量监视数据、重要的维护信、气象条件和与民用航空器相关的制造商的资料，最后通过数据挖掘技术提取设备故障预测和诊断的相关知识，以及当遇到问题的吃了方式。在欧洲，挪威科技大学开发了一种基于粗糙集理论的数据挖掘工具箱ROSETTA，它有一个强大的功能就是总结每个故障的判别原则。采用罗塞塔提取的故障模型，是在阿斯顿大学计算机科学系和芬兰赫尔辛基理工大学海洋机械系共用的一个基于模型的旋转机械诊断大型系统。在一些国家，实践阶段已经有了数据挖掘工程实例的身影，举例，Acknosoft的KATE软件使用归纳方法从众多的数据中有效找出隐含的知识，同时使决策树自动生成，为诊断决策提供强大的动力。该系统完美被运行于波音飞机的制造中。摘要利用人工神经网络和遗传算法对数据挖掘技术在故障诊断中的应用进行了研究，并将其应用于美国的Processinsignht和Processadvisor软件。此外，英国阿伯丁大学计算机系开发的“老虎系统”专门针对于涡轮机的故障诊断。西安交通大学和新加坡国立大学利用粗糙集理论减少了断层所有属性，香港城市大学也层通过数据挖掘技术来筛选发电机组有效数据，上海交通大学对模式如何识，图像怎么处理他们研究所努力尝试使用最新的数据挖掘技术。我们需要在数据库中收集大量的数据来生成不确定的控制规则，自行故障诊断知识模型进行了解学习，处理优化的问题。从上面我们可以分析出，它将会成为工程诊断领域未来的一个非常有力发展方向。数据挖掘它是一种主流性，已成为智能故障诊断中的热点话题。通过研究，可以有效地对设备故障进行分类处理和匹配，很好的提升故障诊断的正确性和数据有效性。由于数据挖掘在故障诊断中的研究还没有到成熟的地步，对很多据挖掘技术的综合研究依旧是不够完善的。我们得对相关技术分析归纳，相互补充，以更好地完成实际的故障诊断。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/1728.html
