基于改进关联规则的卸船机故障预测模型

论文摘要

为使桥式抓斗卸船机安全稳定运行,针对大量监测数据利用率低、故障诊断不及时等问题,提出了基于兴趣度关联规则的卸船机故障预测模型方法。采用传感器监测和时域分析方法获取卸船机运行参数空间,利用聚类离散算法将监测数据根据其属性值域离散为非线性聚类区间,获取卸船机关联规则组,提取状态数据关联维的权重系数,构建状态监测数据关联规则指向性特征约束函数模型,通过预测模型中关联规则状态的改变实现故障预测。实验结果表明,该方法能有效表征卸船机运行状态监测的关联内部特征信息,实现对卸船机故障类别的预测,降低卸船机故障发生的频率。

论文目录

• 0 引言
• 1 兴趣度关联规则理论
•   1.1 兴趣度关联规则描述
•   1.2 Apriori算法改进
•     （1）利用聚类算法将数据离散为布尔型。
•     （2）对状态参数按照卸船机运行规律分段。
•     （3）引入兴趣度提高规则质量。
•     （4）改进的Apriori算法流程如图1所示。
• 2 故障预测模型
•   2.1 故障类型与故障征兆权重关系
•   2.2 故障征兆与关联规则组权重关系
•   2.3 构建预测模型
• 3 实例分析
•   3.1 监测数据源
•   3.2 关联规则挖掘
•   3.3 故障预测
• 4 结论

文章来源

类型: 期刊论文

作者: 叶永伟,程毅飞,赖剑人,任设东

关键词: 桥式抓斗卸船机,故障预测,关联规则,权重系数,预测函数

来源: 中国机械工程 2019年20期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 公路与水路运输,计算机软件及计算机应用

单位: 浙江工业大学特种设备制造与先进加工技术教育部/浙江省重点实验室

分类号: U653.928.1;TP311.13

页码: 2463-2472

总页数: 10

文件大小: 719K

下载量: 271