基于改进决策树算法的电能计量装置故障自动化诊断系统

电网中电能计量装置具有周检工作量大、数量多、巡检成本较高、巡检效率较低以及故障定位用时较长等问题,该文提出以改进决策树算法为依据的电能计量装置故障自动化诊断系统。设计相应的电能计量装置在线监测流程,结合数据挖掘以及决策树算法进行算例模型的搭建。经过实验验证,所提系统能够更高效地进行故障诊断,同时其自动化诊断故障的准确率相比人工判读更高。

基于特征挖掘的电网故障诊断方法

专家系统在应用方面的主要瓶颈是:规则库的维护;推理的速度和准确度的协调。分析了故障信息序列中必有或特有的信息,提出了基于特征挖掘的关联规则挖掘方法。结合电网故障信息的特征,改进了频繁模式(frequent pattern,FP)–算法:考虑了故障信息的特征,如时序和因果关联关系、故障性质、严重故障、稀有故障等因素;增加了规则的"或"逻辑;改进了FP-树的修剪技术。算例表明该算法能够大量减少无效挖掘,推理速度和准确度显著提高,适用于在线诊断。

用于建模、优化、故障诊断的数据挖掘技术

建模、优化、故障诊断是流程工业CIMS技术中的关键技术。传统的建模、优化、故障诊断方法依赖于数学模型仿真或专家经验规则 ,对于强非线性和非高斯分布噪声的对象存在着知识获取瓶颈。而数据挖掘技术综合运用机器学习、计算智能 (人工神经网、遗传算法 )、模式识别、数理统计等技术 ,从大量数据中挖掘和发现有价值和隐含的知识。本文进一步研究了建模、优化、故障诊断的数据挖掘系统 ,以及规则挖掘、参变量优化、故障诊断建模的算法。

数据挖掘技术在建模、优化和故障诊断中的应用

数据挖掘技术是当今智能系统理论的重要研究内容 ,它综合运用人工智能、计算智能 (人工神经网、遗传算法 )、模式识别、数理统计等先进技术从大量数据中挖掘和发现有价值和隐含的知识。文中介绍数据挖掘技术的原理以及在建模、优化和故障诊断中的应用和算法 ,包括 :基于遗传算法的模糊规则生成 ,基于粗糙集的规则挖掘和基于混合模型的故障诊断建模。

基于模糊推理的矿井提升机故障诊断方法的研究

运用模糊理论和模糊推理方法,论述了基于矿井提升机的故障诊断方法。有效的解决了由于设备系统知识的模糊性所引起的不确定性问题,实现了设备的状态检测和故障诊断。

基于关联规则数据挖掘技术的电网故障诊断

在实际的电网故障诊断中,面临如何从海量数据找到真正对于诊断结果有帮助的关键数据以及当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论的问题。针对此问题,将关联规则数据挖掘DLG(Direct Large temsests Generation)算法引入到电网故障诊断中。首先以保护、断路器作为条件属性,故障区域作为决策属性,考察各种故障情况并建立原始决策表,然后利用关联规则挖掘进行属性约简,通过修改阈值进行交互式挖掘,直接提取最佳属性约简组合,然后利用最佳属性约简组合形成的约简决策表和关联规则交互式挖掘,针对各种情况的故障信息进行诊断推理。运用C编写了基于该方法的故障诊断软件,采用四母线配电网系统作为仿真对象,算例结果表明该算法在一定电网规模和保护动作信息不完备的情况下,故障诊断正确性高、容错性好,实用性强。

模糊神经网络在提升机制动系统故障诊断中的应用

针对BP神经网络在提升机制动系统故障诊断中的局限性,如收敛速度慢和可靠性差等缺点,根据提升机制动系统的故障机理和特点,提出了一种基于遗传算法的模糊神经网络故障诊断方法。结合了神经网络和模糊逻辑的优点,在利用神经网络对提升机制动系统进行故障诊断的基础上,引入模糊逻辑的概念,采用模糊隶属函数来描述这些故障的程度,并利用遗传算法对网络的权值和阈值进行修正,加快了网络收敛的速度,克服了易陷入局部极小的问题。

基于Apriori算法的设备故障诊断技术的研究

设备故障诊断是设备安全运行的保障,合理分析大量的故障数据能为设备管理提供重要的参考价值。论文采用特征建模技术描述故障设备的特征信息,根据故障数据的特点,以及Apriori算法在故障诊断中应用的瓶颈,采用一种改进的Apriori算法,将故障数据映射为0-1矩阵,根据对矩阵的剪枝和处理计算出故障数据的频繁项集,挖掘多故障之间和故障与运行参数之间的关联关系,为设备管理提供有力支持。最后给出了该方案的可行性实例验证。

基于数据挖掘的柴油机气门故障诊断技术研究

由于柴油机气缸缸盖振动信号具有复杂的时频特性,通过此类信号实现其气门故障的诊断较为困难。尤其在多种故障并发的条件下,故障确诊更为不易。为此,借助遗传算法提出一种基于统计规则的智能数据挖掘技术,对在不同气门状态下采集的大量柴油机气门缸盖振动信号进行知识挖掘,得到了进行多种气门故障确诊的有效诊断特征。试验表明,这一技术智能高效,结果准确无误,具有重要实践意义。

数据挖掘中关联规则算法的研究及应用

针对Apriori和AprioriTid算法中存在的项集生成瓶颈问题,提出了一种基于事务集压缩、候选项集压缩和支持度布尔矩阵的改进AprioriTid算法.该算法中通过删去不必比较的事务来有效缩减数据集;优化频繁项集的自连接方式来减少生成的候选项集个数;使用支持度布尔矩阵来加快候选项集的验证速度.实验结果表明改进算法比原算法执行效率明显提高,同时也验证了该算法在油液监测故障诊断中的有效性.

基于粗集的遗传挖掘在故障诊断中的应用研究

介绍应用粗集理论和遗传算法相结合进行数据挖掘的方法。利用目前企业采集到的关键设备运行状态的大量数据,首先运用粗集理论的属性约简消去冗余的属性,然后以约简后的数据作为样本训练集,应用优化改进的遗传算法建立分类模型。根据构建的分类模型,可以发现故障设备运行的内在规律,快速对未知故障设备进行归类,从而为故障诊断与故障预测提供决策依据。

基于事件序列数据挖掘原理的高压输电线系统故障诊断 (二)仿真和容错性能分析

在基于事件序列(SOE)数据挖掘原理的故障诊断模型与方法的基础上,提出了将基于事件序列的数据挖掘原理故障诊断模型用于高压输电线系统(HVTLS)故障诊断领域。分析了故障诊断模型中变异故障模式的种类及其对故障诊断策略的影响,阐述了基于SOE的数据挖掘HVTLS诊断模型和功能模块的构造。依据输电系统故障事件序列在时空特性的关联性,用动态规划算法的优化相似性原理挖掘事件序列之间的关联性和蕴涵的知识,将诊断问题的求解转化为寻找与实时故障事件序列模式最相似的、运算操作代价最小的标准故障事件序列模式。以实现对变异事件序列模式中畸变事件的“复原”和纠错,从而确保故障诊断系统的高容错性。

基于故障诊断的数据挖掘算法研究

本论文以复杂工业过程控制系统为研究对象。首先根据工业过程数据库特点提出了相应的数据挖掘技术及其改进算法,而后通过对工业过程控制中的故障诊断方面的研究构建出了利用数据挖掘技术实现处理系统故障诊断的总体设计图,并通过实验验证了此系统能够实现在线监控与故障分析与诊断。

数据挖掘技术在故障诊断中的应用

数据挖掘技术是当今计算机信息技术的一项新兴技术 ,它综合运用了人工智能、计算智能、模式识别、数理统计等先进技术 ,从大量数据中挖掘和发现有价值和隐含的知识。

基于神经网络与遗传算法的汽轮机组数据挖掘方法

针对当前专家系统知识获取瓶颈的难题,提出了基于神经网络与遗传算法的汽轮机组数据挖掘方法。将汽轮机组历史故障数据首先进行模糊化及离散化处理,接着构造一个多层的前向神经网络,然后通过教师示教的方式训练构造好的神经网络,最后进行基于遗传算法的神经网络优化。以神经网络为知识本体,提出了汽轮机组故障诊断分类规则的挖掘算法,其实现过程有4个步骤:计算效果度量矩阵;提取规则;计算规则权重;基于遗传算法的规则修剪。实现了基于神经网络与遗传算法的汽轮机组数据挖掘和故障诊断仿真系统,其诊断正确率达到了84%。

基于蚁群优化算法的精密伺服转台故障诊断方法

提出了一种基于蚁群优化算法的精密伺服转台故障诊断方法.根据现场观测建立了转台系统故障特征模式库.利用蚁群优化算法求解故障特征模式的最优分类问题,并定义敏感度和明确度来评价蚁群搜索到的诊断规则的分类性能,以减少故障特征信息中的冗余信息,使诊断规则得到约简.对某精密伺服转台的若干类故障诊断结果表明,该方法具有收敛速度快、鲁棒性强、诊断精度高和结果可靠等优点.

数据挖掘技术在变压器故障诊断中的应用

为克服支持向量机在求解二次规划问题时运算过程复杂、计算时间过长、收敛速度缓慢的问题,提出一种基于加权最小二乘的SVM变压器故障诊断方法,并通过粒子群算法对参数进行优化,可以充分保证计算速度和较高故障判断精度。实例分析验证了该模型能确定变压器故障种类,且具有较高的正确率。

基于神经网络与遗传算法的汽轮机数据挖掘研究

针对当前专家系统知识获取瓶颈的难题，提出了基于神经网络与遗传算法的汽轮机数据挖掘方法．将汽轮机故障历史数据首先进行模糊化及离散化处理，接着构造一个多层的前向神经网络，然后通过教师示教的方式训练构造好的神经网络，最后进行基于遗传算法的神经网络优化．以神经网络为知识本体，提出了汽轮机故障诊断分类规则的挖掘算法，实现了基于神经网络与遗传算法的汽轮机数据挖掘和故障诊断仿真系统，其诊断正确率达到了84％．实验表明该方法可行，对汽轮机故障诊断系统的设计具有借鉴意义和深入研究的价值．

基于数据挖掘的汽车运行数据采集设备故障诊断方法

提出了一种基于大数据挖掘技术的、用于汽车运行工况数据采集设备的故障诊断方法。该方法依托中国汽车测试工况(CATC)项目和内蒙古道路运输企业节能降耗监控技术研究(NJ-2017-8),运用了k-means故障模式聚类算法、诊断状态参数Apriori关联规则、及相关性分析算法。并进行了案例实证分析。结果表明:采用k-mean算法能有效分析数据采集设备的故障模式,Apriori算法挖掘出的数据采集设备特征参数之间的关联规则与相关性能,有效地找出数据采集设备的故障环节和原因;与设备实际维修试验结果相符。因此,该方法可为数据采集设备的运行维护与管控提供参考。

面向设备故障诊断的数据挖掘技术方法的研究

本文对石化企业设备故障诊断系统进行研究,利用数据挖掘技术进行故障诊断。提出数据挖掘技术中的关联规则挖掘的理论与算法,并对关联规则的经典算法Apriori进行研究与改进。提高了故障诊断的准确性,减少了冗余信息。