基于數(shù)據(jù)挖掘的設(shè)備遠(yuǎn)程監(jiān)測(cè)和故障診斷系統(tǒng)的研究.pdf

1、隨著科學(xué)技術(shù)的飛速發(fā)展和市場(chǎng)競(jìng)爭(zhēng)的日益激烈，工業(yè)生產(chǎn)表現(xiàn)出大型化、分布化、高速化、自動(dòng)化和復(fù)雜化等特點(diǎn)。由于這些大型系統(tǒng)一般都是作為能源、石化、冶金以及其他國(guó)民經(jīng)濟(jì)支柱產(chǎn)業(yè)中的關(guān)鍵設(shè)備，一旦發(fā)生故障，輕則降低生產(chǎn)效率，重則設(shè)備停機(jī)、生產(chǎn)停頓，有時(shí)甚至產(chǎn)生機(jī)毀人亡的惡性事故，造成災(zāi)難性的后果。 因此，為了發(fā)揮設(shè)備更大的工作效率且安全高效地運(yùn)行，就必須對(duì)關(guān)鍵設(shè)備部件進(jìn)行狀態(tài)監(jiān)控與故障診斷。目前現(xiàn)場(chǎng)總線、網(wǎng)絡(luò)和Internet技術(shù)為分

2、布式應(yīng)用提供了一個(gè)易實(shí)現(xiàn)的通訊主干。軟件體系結(jié)構(gòu)理論和組件技術(shù)已經(jīng)為分布式軟件系統(tǒng)提供了理論和實(shí)現(xiàn)基礎(chǔ)。數(shù)據(jù)挖掘理論為處理來(lái)自于監(jiān)測(cè)系統(tǒng)的海量數(shù)據(jù)提供一種新的解決方案。構(gòu)建基于數(shù)據(jù)挖掘理論和Internet技術(shù)的遠(yuǎn)程監(jiān)測(cè)和故障診斷系統(tǒng)已成為故障診斷發(fā)展的重要趨勢(shì)。因此，本學(xué)位論文在國(guó)家“十五”科技攻關(guān)計(jì)劃重點(diǎn)項(xiàng)目“基于網(wǎng)絡(luò)的設(shè)備遠(yuǎn)程監(jiān)測(cè)與故障診斷系統(tǒng)”(項(xiàng)目編號(hào)2001BA204B06)和國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目“大型復(fù)雜機(jī)電系統(tǒng)早期故

3、障智能預(yù)示的理論與技術(shù)”(項(xiàng)目編號(hào)50335030)的資助下，以Internet為支撐平臺(tái)，以軟件體系結(jié)構(gòu)和數(shù)據(jù)挖掘?yàn)槔碚摶A(chǔ)，圍繞著設(shè)備監(jiān)測(cè)和診斷系統(tǒng)的軟件體系結(jié)構(gòu)模型、特征識(shí)別方法和知識(shí)獲取方法三個(gè)主題展開，采用理論研究、實(shí)驗(yàn)驗(yàn)證與原型實(shí)現(xiàn)相結(jié)合的研究路線，具體如下： 1)從工程應(yīng)用的角度出發(fā)，簡(jiǎn)要闡述了本文的選題背景與研究意義。分別對(duì)基于Internet和數(shù)據(jù)挖掘的監(jiān)測(cè)與診斷技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了較為全面地綜述。

4、 2)對(duì)目前設(shè)備監(jiān)測(cè)和診斷系統(tǒng)開發(fā)領(lǐng)域存在的問(wèn)題進(jìn)行了總結(jié)，通過(guò)引入軟件復(fù)用思想和體系結(jié)構(gòu)理論，提出一種面向監(jiān)測(cè)和診斷的軟件體系結(jié)構(gòu)(MODOSA)模型。針對(duì)基于Internet的遠(yuǎn)程監(jiān)測(cè)與故障診斷系統(tǒng)(IRMFDS)的問(wèn)題域，給出了IRMFDS的拓?fù)浣Y(jié)構(gòu)模型，進(jìn)一步提出了MODOSA的體系結(jié)構(gòu)風(fēng)格、用例模型、領(lǐng)域模型、對(duì)象模型、行為模型、組件模型和部署模型。 3)通過(guò)對(duì)故障診斷領(lǐng)域信息特點(diǎn)的分析和診斷系統(tǒng)知識(shí)表達(dá)系統(tǒng)的總結(jié)，

5、給出了旋轉(zhuǎn)機(jī)械故障診斷的特征挖掘模型，針對(duì)故障特征的自動(dòng)提取問(wèn)題提出了采用數(shù)據(jù)挖掘中數(shù)據(jù)準(zhǔn)備技術(shù)解決的方案。在特征值歸約方面，提出了一種改進(jìn)的多特征離散化算法；在特征歸約方面，提出了一種基于遺傳算法、粗糙集和信息熵理論的混合特征歸約算法。 4)在總結(jié)傳統(tǒng)數(shù)據(jù)挖掘過(guò)程模型的基礎(chǔ)上，對(duì)比故障診斷專家系統(tǒng)的知識(shí)獲取系統(tǒng)，提出了旋轉(zhuǎn)機(jī)械故障診斷的知識(shí)挖掘模型，針對(duì)故障診斷知識(shí)的自動(dòng)獲取問(wèn)題給出了基于數(shù)據(jù)挖掘技術(shù)的解決方案。通過(guò)對(duì)決策樹的

6、構(gòu)造、修剪、規(guī)則的生成和評(píng)價(jià)幾個(gè)方面進(jìn)行深入研究，提出了一種基于遺傳算法和粗糙集理論的決策樹構(gòu)造算法和一種規(guī)則綜合評(píng)價(jià)指標(biāo)，并給出了規(guī)則匹配問(wèn)題的一個(gè)解決方法。 5)在前述MODOSA模型和數(shù)據(jù)挖掘理論研究的基礎(chǔ)上，給出了兩個(gè)專用數(shù)據(jù)挖掘工具RMFMiner和RMKMiner的設(shè)計(jì)和實(shí)現(xiàn)，初步解決了診斷特征的自動(dòng)提取和診斷知識(shí)的自動(dòng)獲取問(wèn)題，并采用轉(zhuǎn)子故障模擬數(shù)據(jù)集和UCI機(jī)器學(xué)習(xí)數(shù)據(jù)庫(kù)驗(yàn)證了兩工具的有效性。 6)根據(jù)提