论文部分内容阅读
目前,大部分企业对重要设备安装了在线或离线监测系统,采集到了反映机组运行状态的大量数据,并已经形成大型数据库。为更好发挥这些数据的作用,及时掌握机器运行的内在规律性,本论文提出将数据挖掘方法应用于转动设备的故障诊断。在系统学习了数据挖掘原理、技术、方法的基础上,比较了数据挖掘分类算法的优点及局限性,提出了基于粗集的遗传挖掘算法,并将其应用于设备故障诊断。依据石化企业采集到的关键设备运转状态的历史数据,首先利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数据集,使用遗传算法构建一个分类模型,找出常见故障所具备的一些数据特征,发现故障设备数据中存在的规律,从而为故障诊断与故障预测提供决策依据。
实验证明,该分类模型能快速对新故障数据进行判别归类,并与领域专家分析判断的结论基本相符。根据分类结果,可依此找到故障原因并消除故障,为工程技术人员和决策者提供有力的决策支持,进而实现生产过程、操作管理、控制一体化。