粗糙集理论无需提供除问题相关的数据集合外的任何先验信息,适合于发现数据中隐含的、潜在的规律。文章将数据挖掘中粗糙集方法应用于机械故障诊断领域,对大量的机组状态数据进行挖掘,发现故障数据中存在的规律,并以规则的形式体现出来。结果表明,采用粗糙集方法所得出的规则是正确的,并能正确用于机械故障的分类工作。
:
C ia N w T c n lge n rd cs h n e e h oo isa d P o u t
工业技术
基于粗糙集的数据挖掘方法在机械故障诊断中的应用 程鑫’石金彦 2雷文平。
(、国长城铝业公司建设公司,南郑州 1中河
40 4;、 5 0 12中国电子科技集团公司第 2 7研究所,南郑州 4 0 0;、州大学机械工河 5 05 3郑程学院河南郑州 4 0 01 50 2
摘要:粗糙集理论无需提供除问题相关的数据集合外的任何先验信息,合于发现数据中隐含的、在的规律。文章将数据挖掘中适潜粗糙集方法应用于机械故障诊断领域,对大量的机组状态数据进行挖掘,现故障数据中存在的规律,以规则的形式体现出来。发并结果表明,用粗糙集方法所得出的规则是正确的,能正确用于机械故障的分类工作。采并 关键词:粗糙集;障诊断;故属性中图分类号: H1文献标识码: T 6 B
概述
则可辨识矩阵 c定义为: 一 1 a )畸) )』%≠ )≠ E^ 一、
大型回转类机械是电力、石化、等工业冶炼领域的一类重要生产设备。对于回转类机械设备而言,备振动信号是设备状态信息的载体,设 它蕴含了丰富的设备异常或故障的信息m。为了在丰富的信息中间发现重要的知识。寻求设备故障原因、故障机理,数据挖掘方法的引用便不可避免。 粗糙集理论是由波兰华沙理工大学 P wa al k教授于 2 0世纪 8年代提出的一种研究不完 0整、不确定知识和数据表达、习、学归纳的理论方法,近年来得到国际上众多学者的重视。在诸多数据挖掘方法中,粗糙集理论无需提供除问
o ,
h1
其中: i=, n, 1… J 2从系统中分析得到的规律性知识,可用A 的规则表示, A称为规则前件,称规则后件。 B其中, A中所包含决策表中的条件属性, B中所包含决策表中的决策属性。决策规则的不确定性使用可信度 C F ): ( ) 来表示,其中:=x )=x X (xU,{ l Y l 县。A表 ) 示实例 x的条件属性值满足公式 AB表示实例, X的决策属性值满足公式 B 。
散化该表。这里系统可以选择离散化算法,这里选择等距离划分方法,=,图
2取 4见。另外两种方法分别是等频率划分,它适合大数据量隋况; N i Sa r a e c l算法,它考虑到了属性值的突变以 v e及模式划分的公平问题 (在挖掘过程中使用此算法有相应的缺陷,当不同类别故障的数据样本中某詹直相互交叉时,得到的划分断点会 很多,响到系统挖掘的效率,影也使得所挖掘出来的规则支持度很低。很可能把有效规则作为小于规定阈值的规则而被系统舍弃 )。
原始决策表的条件属性集合为P矗i= I,= 决策属性集合为 D f,=d则冗余属性约简思想可 l
题相关的数据集合外的任何先验信息,适合于描述为:对于每一个条件屙陛 a如果删除该属 ,发现数据中隐含的、在的规律,潜而且。它发现性 a使得 P p PsQ,明属性 a .,晦 (:oA)则说 J i是 的知识为显式的描述,更容易为人们理解;它可解决重要的分类问题,发现不准确数据或噪声数据内在的结构联系并能用决策规则集合的形式表示最重要属性和特定分类之间的所有重要关系日种决策规则是显式的,。这可用于故障诊断专家系统中,也可直接用于设备的故障诊断。 在本文中,给出关于粗糙集的基本理论,首先并将粗糙集用于故障特征的提取。选用设备振动信号的几个频率成分以及油温、转速、、相位轴心轨迹等多个属性来描述大型机组状态。而真正体现机组一种故障的属性可能就需要其中的少数几个。这样,就可以利用粗糙集中的属性规约算法来过滤冗余属性,到能体现故障特征得的若干属性,以便下一步的工作。所做的另一个工作是,分类所需的规则。生成经过第一步的属性约简,通过对所剩几个属性值的分析,出规推则,生成规则库。 。 相对于决策屙性 d不必要的,从决策表中删除屙 l i在的列并将重复的行进行合并。生a所否则, 图 2选择离散化方法 说明屙『 i生a相对于决策屙眭d是必要的,能删不系统经过对数据离散化处理,求出各个连除。根据约简后得到的信息系统,对于约简结果续属性划分的断点, ( 00性为例,以 0 —4幅系统把中的每行 x,。可直接得到概率决策规则。 属性t 00分为四个区间,为『 o 4 4、 0 .)— 4成0分别 0 2 4 1, 3实例应用 12 4,.8 8
、 .8 80 3 2、 7 3,. 7 0 4 40 8]14 8,. 3] ̄.3 20 7 ̄。 4 0 7 9粗糙集的应用最常见的有两个方面:一是连续的每一区间分别用 0 123表示,、、、来对屙陛约简,在设备故障诊断领域,通常采用辨别 ( 4性所在1, 44内的值用 0表示, o o莴 ) 0 0 41 2依机组状态信号经傅立叶变换后的特征频率的大次类推,出离散决策表。得最终转化后的具有全小来进行描述。二就是根据约简后的子集产生部离散属性的决策表。需要注意的是,不同的离分类所需规则。 散化方法和不同的参数使得离散化后的数据样为了验证该方法的有效性,选取了故障信本表也不一致。怎样合理的划分连续属性为离号的 7种频率以及相位等 4个特征属性作为故散属性,合理体现故障特征是归纳过程中关键障识别的故障模式,共同组成故障识别参数集。的一环。 如区间划分过细,则会使得最终的规则具体为: f ( 1 . 0 ) I Z (5【J可信度相对较低。反之, A 0 4 0—5 ( l f f f 3 ) l0 0 f0一 9,,,- 5 _( 4 ) 5 9 r 区间划分过于粗略,则相位,轴心轨迹,临界转速,,油温故障类型}决不易体现相应故障的特征。 。 策表见表 l所示。根据以上描述思想,作者开发运行粗糙集属性约简算法,得到图 3中的 2理论基础的粗糙集挖掘软件界面见网一。 结果。它给出了多个属性约简簇以及最优约简已知信息系统 S=其中 O C= UD, ( 0 1) (f c f t) 2 ( 5 (f 3 f - )> ) 5 敏障婪型 簇。程序给出决策表的核 (O E、优约简簇 CR)最 u X, l,是论域,={I2 x x…r Q为属性集, V为所有 e Opi、 d .约简属性簇 f d cs t m) r u t。决策表的核为 e 1属性值域的并集,为信息函数,: l1耐为 f c{i, q ̄ 2所有约简簇的交集。此时约简后的属性组合有条件属性集, D{=}为决策属性集日 d。 4 3组。以{U00 ( .) 0 1 0) (5— .) I 一 4 f,(.— .f,0 109,l 4 5 . 9对于 S中每个子集 x u和不分明关系,£ 组为例子,明系统经过约简算法,说不考虑其的上、下近似集为: 余几
个属性,可依靠这四个频率特征分辨样本且(= l∈UI D B I x) Y{ J j 1 () N X)} 集中的故障类别。所形成的 4组约简簇均能完 3 I
0o ol S 0 0 2l 0
1
O ( 5 0 O f5 U呻 l d1slmt I; 6 0 (, 2 '1 _ 】 l 0 02 0 l i }
0R
”“
1 1
0 1 0 01
0 (3 0 0 0 a 81 62 0∞8 0(∞
/
c
0 0 07 0
lm l
0∞】
1
0 I6 0 l 5 0 1 O 2 2 01 l j
hi
025 78
1
00' 31 8
n 000 i 09 7{8
n' t
1
一
,
B’ x ): Y{ l ( ∈U『N ( I x≠≯) y I D B) Y I 1
其中, IDB=xx ̄ l uI (){I u N= y )是不分 )l )'明关系 B u的划分。对 测试变量 x于 x的确定程度,属可利用粗糙成员函数: 来确定,中 l表其 I
成故障的分类。根据约简后的属性,产生相应的 部分规则见图 4。
示某个集合的势。 设 n )样本,属性,的取 , (是在上具有连续屙陛的决策表不能直接用于粗糙 1,2 4] ( 10∈『,2 6] ( 1.) 0 0 4 4且 0— . 5 4 0 0, 1且 o—9f 4 5 09值, a) ,表示可辨识矩阵中第 i i的元素,集方法,所以首先用前面提到的离散化方法离 1, 1 8 N ∈19 7,则故障类别为不对 J行列 o0 9 9 1 0 3 5 1 . f . 1
系统从训练样本集中共提取了 14条规 0则,为故障的识别问题提供了有力的决策依据。 以第一条规则为例,根据系统离散化标准,转化为可识别的故障特征形式,为”如果 ( 0 ) 0 .—4 f
16 4一
中国新技术新产品

基于粗糙集的数据挖掘方法在电子商务中的应用_数学_自然科学_专业资料 暂无评价
粗糙集数据挖掘及其在汽轮机故障诊断中的应用_专业资料。针对当前专家系统知识获取瓶颈的难题,提出了基于粗糙集数据挖掘的汽轮机故障预报及诊断方法。将汽轮机故障...
基于粗糙集的数据挖掘及其在知识获取中的应用_专业资料。本文介绍了粗糙集的基本理论,并将其作为一种新的数据挖掘工具引入,研究和探讨了基于粗糙集的数据挖掘过程...
[13]数据挖掘在机械故障诊断中的应用_机械/仪表_工程科技_专业资料。数据挖掘... 基于粗糙集的数据挖掘方... 暂无评价 2页 1.00 的数据挖掘方法在故障...
基于粗糙集的数据挖掘的应用研究_专业资料。粗糙集理论是一种处理不确定和模糊问题的数学工具,它的一系列优点使其特别适合于数据挖掘研究。本文阐述了粗糙集理论...
基于粗糙集的数据挖掘方法探讨 引言:随着全球计算科学的不断发展和进步,许多行业都在应 用网络信息过程中遇到数据量和信息量过大的问题,如何进行数据 的筛选,从中...
最后,结合银行申请信用卡的实例利用上述方法进行...更多>>本文研究了粗糙集理论在数据挖掘中的应用,提出了一种基于粗糙集理论的数据挖掘算法。首先对信息系统的数据...
基于粗糙集的数据挖掘方法探讨_互联网_IT/计算机_专业资料 暂无评价
基于粗糙集的数据挖掘技术及其在临床医学诊断中的应用 数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程。临床医学上大量的数据中蕴含着丰富...
基于粗糙集的数据挖掘方法... 暂无评价 2页 1.00元 基于粗糙集理论的机械... 基于粗糙集的软计算方法及其在机械故障诊断中的应用基于粗糙集的软计算方法及其...
热门文档