本文在阅读了大量文献的基础上,将数据挖掘技术应用于油液监控故障诊断中。随着机械故障诊断理论的不断完善和发展以及一系列先进分析仪器的诞生,在理论和手段上极大地丰富了油液分析技术。同时数据挖掘技术的应用和发展又为综合处理油液分析技术所能提供的大量信息提供了保证。油液监控数据挖掘技术在柴油机、齿轮传动、轴承系统、液压系统等机械设备的状态检测方面,取得了显著的效果,获得了广泛的应用。 数据挖掘技术是当今智能系统理论和技术的重要研究内容,它综合运用人工智能、计算智能(人工神经网等)、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,因而近年来得到国内外极大重视和研究。 油液监控技术的研究方法、新技术、新理论、新方法不断得到发展。在众多的机械系统监控及故障诊断方法中,对润滑油的金属磨粒进行成分及形貌分析是最直接且最能反映机械系统工作状况的一种监测及诊断方法。 油液监控可用的数据挖掘的技术很多,其主要目的在于挖掘静态或动态特征信息。它是一项重要的工作,涉及到的内容十分广泛。本文所做的主要工作是针对具体的研究对象,对润滑油中磨粒的特征信息进行以静态为主的挖掘。关于油液中磨粒的特征挖掘一直是油液监控领域中的热点和难点研究问题之一。我们对现有的特征信息提取与处理进行了综合分析,把油液监控技术、SPSS、聚类分析、相关分析等手段结合起来,对油液的原始数据进行特征信息的深入挖掘。 本文作者主要研究把数据挖掘技术运用于油液监控故障诊断中的可能性和必要性,探索应用数据挖掘的方法。在主要进行光谱分析、铁谱分析进行润滑油油液监控的基础上,对已取得的大量油液监控原始实验数据和相关信息,进行SPSS的处理与对比分析,发现与故障有关的特征,提取故障的判别规则,获得油液监控的主要特征信息参数,为评价机械设备的技术状况和智能化故障诊断系统的实现奠定基础。