時(shí)序數(shù)據(jù)挖掘及其在故障診斷中的應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘是一個(gè)復(fù)雜的過程，而針對(duì)時(shí)間序列具有維數(shù)高和動(dòng)態(tài)性等特點(diǎn)，如何高效地對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行挖掘是一個(gè)十分有意義的研究課題。本文對(duì)時(shí)間序列數(shù)據(jù)非線性檢驗(yàn)、降噪、分割等數(shù)據(jù)挖掘中的預(yù)處理工作進(jìn)行了研究，并將時(shí)間序列數(shù)據(jù)挖掘技術(shù)引入機(jī)械故障診斷領(lǐng)域；通過應(yīng)用實(shí)例，驗(yàn)證了這些方法和理論。論文主要完成工作如下： 1)時(shí)間序列數(shù)據(jù)非線性檢驗(yàn)研究提出了一種隨機(jī)迭代修正幅值的傅立葉變換(SIAFFT)算法和KS檢驗(yàn)統(tǒng)計(jì)量相結(jié)合的時(shí)間序列數(shù)據(jù)

2、非線性檢驗(yàn)方法，通過對(duì)弱非線性信號(hào)、強(qiáng)非線性信號(hào)以及含噪信號(hào)的檢驗(yàn)，該方法均能得到正確的判斷結(jié)果。與傳統(tǒng)方法相比，該方法收斂速度快，具有較強(qiáng)的抗噪聲能力，對(duì)非線性信號(hào)具有較高的敏感性。 2)全局投影算法用于降噪和故障特征提取全局投影降噪算法具有良好的適用性，運(yùn)算效率和降噪效果明顯優(yōu)于局部投影降噪算法。將全局投影算法應(yīng)用于轉(zhuǎn)子軸心軌跡的提純，比基于諧波小波等的軸心軌跡提純方法運(yùn)算效率高得多。 將全局投影降噪算法和共振解調(diào)技

3、術(shù)相結(jié)合，提出了一種適用于低速重載軸承故障診斷的方法。利用此方法對(duì)某煉鋼廠轉(zhuǎn)爐傾動(dòng)機(jī)構(gòu)懸掛齒輪箱耳軸軸承進(jìn)行故障診斷，診斷結(jié)果與實(shí)際情況相符。 3)基于GG聚類的時(shí)間序列數(shù)據(jù)分割方法針對(duì)傳統(tǒng)時(shí)間序列分割算法的不足，提出了一種基于GG聚類在線數(shù)據(jù)分割算法。該算法具有自合并功能，能不借助相關(guān)領(lǐng)域?qū)＜业闹С肿詣?dòng)尋找最優(yōu)的分割子集數(shù)，是一種有工程應(yīng)用價(jià)值的數(shù)據(jù)在線分割方法。 4)基于KS檢驗(yàn)的時(shí)序數(shù)據(jù)分類挖掘系統(tǒng)提出了一種基于K

4、S檢驗(yàn)的時(shí)序數(shù)據(jù)分類挖掘方法，在此方法基礎(chǔ)上，建立了故障分類系統(tǒng)。通過仿真試驗(yàn)和齒輪及軸承的故障診斷，說明該方法在數(shù)據(jù)樣本含有一定噪聲時(shí)也能正確判斷故障類型。該方法算法簡單、計(jì)算效率高、實(shí)用性強(qiáng)，在機(jī)械故障智能診斷領(lǐng)域具有廣泛的應(yīng)用前景和推廣價(jià)值。 5)改進(jìn)型支持向量機(jī)(ES-SVM)用于時(shí)間序列數(shù)據(jù)趨勢預(yù)測將傳統(tǒng)的基于支持向量機(jī)的時(shí)間序列預(yù)測方法進(jìn)行改進(jìn)，采用進(jìn)化策略法搜索懲罰因子C，ε不敏感損失函數(shù)和高斯核參數(shù)σ。Loren

5、z信號(hào)的數(shù)值仿真實(shí)驗(yàn)預(yù)測結(jié)果證明改進(jìn)后的ES-SVM算法比原SVM算法的預(yù)測精度更高。另外，由于在工程實(shí)際中所拾取的信號(hào)不可避免地會(huì)含有噪聲，因此，將全局投影算法和ES-SVM相結(jié)合的預(yù)測方法具有更大的工程應(yīng)用價(jià)值。 6)構(gòu)建基于時(shí)序數(shù)據(jù)挖掘的遠(yuǎn)程監(jiān)測與診斷系統(tǒng)作為時(shí)序數(shù)據(jù)挖掘應(yīng)用的重要組成部分，本文以機(jī)械在線監(jiān)測系統(tǒng)為對(duì)象，對(duì)數(shù)據(jù)倉庫結(jié)構(gòu)、數(shù)據(jù)類型進(jìn)行了探討：并針對(duì)機(jī)械信號(hào)的特點(diǎn)，建立了時(shí)間序列數(shù)據(jù)挖掘快速處理模型。在此基礎(chǔ)上