本文關(guān)鍵詞：數(shù)據(jù)挖掘在某試車臺監(jiān)測系統(tǒng)中的應(yīng)用研究

  更多相關(guān)文章： 關(guān)聯(lián)規(guī)則 數(shù)據(jù)挖掘 遺傳算法 BP神經(jīng)網(wǎng)絡(luò) 振動預(yù)測 試車臺

【摘要】：數(shù)據(jù)挖掘技術(shù)能夠從大量數(shù)據(jù)中分析提取有用的信息,是數(shù)據(jù)庫系統(tǒng)研究領(lǐng)域中一個新的研究方向,它可以為決策提供有力依據(jù)。本文以某型試車臺監(jiān)測系統(tǒng)為基礎(chǔ),將數(shù)據(jù)挖掘技術(shù)在航空發(fā)動機部件試車數(shù)據(jù)庫的應(yīng)用作了嘗試性的研究。論文對數(shù)據(jù)挖掘技術(shù)的基本概念和一般知識進行了闡述,改進了相關(guān)算法進行并應(yīng)用到試車臺監(jiān)測系統(tǒng)的數(shù)據(jù)挖掘中。本文的主要研究內(nèi)容如下:為了發(fā)現(xiàn)某試車臺監(jiān)測系統(tǒng)中轉(zhuǎn)速、振幅、溫度等參量之間的關(guān)聯(lián)關(guān)系,引入了關(guān)聯(lián)規(guī)則對試車臺監(jiān)測系統(tǒng)數(shù)據(jù)庫中的28個參數(shù)進行了關(guān)聯(lián)挖掘,結(jié)果表明,得到的關(guān)聯(lián)規(guī)則置信度和支持度均比較高,說明所挖掘出的規(guī)則是有效的。針對經(jīng)典Apriori算法的效率不高的問題,提出了一種可以有效減小候選集的改進的Apriori算法,將其用于本試車監(jiān)測系統(tǒng)挖掘,結(jié)果表明,與經(jīng)典Apriori算法相比,在相同的支持度和置信度下,候選集規(guī)模得到有效降低,運算時間顯著減少。為了解決航空發(fā)動機附件試車臺中主要監(jiān)測參數(shù)振幅與流量、壓力等其它參數(shù)之間的關(guān)系難以用線性模型來預(yù)測的問題,建立了具有7-8-1結(jié)構(gòu)經(jīng)遺傳算法(Genetic Algorithm,簡稱GA)優(yōu)化過閾值和權(quán)值的遺傳反向誤差傳播(Back Propagation,簡稱BP)神經(jīng)網(wǎng)絡(luò)。以輸出轉(zhuǎn)速,增壓泵入口流量、增壓泵入口溫度、增壓泵入口壓力、增壓級出口流量、增壓級出口溫度和增壓級出口壓力為網(wǎng)絡(luò)輸入,附件的徑向振幅為網(wǎng)絡(luò)輸出建立預(yù)測模型。將訓(xùn)練后的網(wǎng)絡(luò)用于某型航空發(fā)動機附件振動趨勢的預(yù)測中,得到的預(yù)測值與實際值的誤差符合要求。與傳統(tǒng)的線性回歸模型進行對比發(fā)現(xiàn),遺傳BP神經(jīng)網(wǎng)絡(luò)模型具有了更高的精確度,將其用于振動趨勢的預(yù)測中是合適的,可行的。
【關(guān)鍵詞】：關(guān)聯(lián)規(guī)則 數(shù)據(jù)挖掘 遺傳算法 BP神經(jīng)網(wǎng)絡(luò) 振動預(yù)測 試車臺
【學(xué)位授予單位】：河南工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：V263.4
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-16
• 1.1 課題來源9
• 1.2 課題研究背景及意義9-11
• 1.3 國內(nèi)外研究現(xiàn)狀11-12
• 1.4 研究內(nèi)容及研究方法12-15
• 本章小結(jié)15-16
• 第二章 試車臺監(jiān)測系統(tǒng)簡介16-22
• 2.1 航空部件監(jiān)測系統(tǒng)簡介16
• 2.2 試車臺監(jiān)測系統(tǒng)主要構(gòu)成16-19
• 2.3 試車臺主要監(jiān)測參數(shù)19-21
• 本章小結(jié)21-22
• 第三章 數(shù)據(jù)挖掘技術(shù)概述22-34
• 3.1 數(shù)據(jù)挖掘技術(shù)22-24
• 3.2 關(guān)聯(lián)規(guī)則概述24-29
• 3.2.1 關(guān)聯(lián)規(guī)則挖掘24-25
• 3.2.2 關(guān)聯(lián)規(guī)則的基本概念25-26
• 3.2.3 Apriori算法26-27
• 3.2.4 改進Apriori算法27-29
• 3.3 人工神經(jīng)網(wǎng)絡(luò)29-33
• 3.3.1 BP神經(jīng)網(wǎng)絡(luò)29-30
• 3.3.2 BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)30-31
• 3.3.3 BP神經(jīng)網(wǎng)絡(luò)的改進31-33
• 小結(jié)33-34
• 第四章 關(guān)聯(lián)規(guī)則挖掘在試車臺監(jiān)測系統(tǒng)中的實現(xiàn)34-46
• 4.1 關(guān)聯(lián)規(guī)則技術(shù)的原理及其方法34-35
• 4.2 Apriori算法的改進35-37
• 4.2.1 Apriori算法改進思路35
• 4.2.2 改進后算法描述35-36
• 4.2.3 改進后的Apriori算法舉例36-37
• 4.2.4 改進的Apriori算法效果評價37
• 4.3 關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘在試車臺監(jiān)測數(shù)據(jù)中的實現(xiàn)37-45
• 4.3.1 關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘清洗集成37-40
• 4.3.2 數(shù)據(jù)選擇和屬性編碼40-41
• 4.3.3 空缺值處理41-42
• 4.3.4 數(shù)據(jù)離散化42-44
• 4.3.5 關(guān)聯(lián)規(guī)則數(shù)量的相關(guān)因素分析44
• 4.3.6 關(guān)聯(lián)規(guī)則挖掘結(jié)果及分析44-45
• 本章小結(jié)45-46
• 第五章 基于遺傳BP神經(jīng)網(wǎng)絡(luò)的試車臺振動趨勢預(yù)測46-59
• 5.1 遺傳BP神經(jīng)網(wǎng)絡(luò)基本原理46-47
• 5.2 利用遺傳算法確定BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值47-49
• 5.3 遺傳BP神經(jīng)網(wǎng)絡(luò)的建模49
• 5.4 遺傳BP神經(jīng)網(wǎng)絡(luò)效果評價49-50
• 5.5 基于遺傳BP神經(jīng)網(wǎng)絡(luò)的振動趨勢預(yù)測建模50-56
• 5.5.1 樣本選擇50-51
• 5.5.2 試車過程51
• 5.5.3 數(shù)據(jù)初始化51-56
• 5.6 試車臺狀態(tài)預(yù)測及結(jié)果分析56
• 5.7 線性回歸建模及其與遺傳BP神經(jīng)網(wǎng)絡(luò)建模的比較56-57
• 本章小結(jié)57-59
• 結(jié)論與展望59-62
• 參考文獻62-66
• 致謝66-67
• 個人簡歷67-68
• 附錄一68-69
• 附錄二69-70

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 烏英格;陳寶平;;數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用[J];內(nèi)蒙古科技與經(jīng)濟;2005年24期

2 焦健;王祥;;數(shù)據(jù)挖掘在美國本土安全中的應(yīng)用[J];艦船電子工程;2006年01期

3 楊洋;;Web數(shù)據(jù)挖掘的分析與探討[J];裝備制造技術(shù);2006年05期

4 劉娟;;Web數(shù)據(jù)挖掘及其在個性化網(wǎng)上購物實現(xiàn)的探討[J];企業(yè)技術(shù)開發(fā);2007年07期

5 李世超;麥范金;;數(shù)據(jù)挖掘在現(xiàn)代企業(yè)經(jīng)營管理中的應(yīng)用[J];桂林航天工業(yè)高等專科學(xué)校學(xué)報;2008年04期

6 崔永君;;數(shù)據(jù)挖掘的系統(tǒng)構(gòu)成與發(fā)展趨勢[J];硅谷;2009年03期

7 侯曉凌;;淺談數(shù)據(jù)挖掘[J];科學(xué)之友(B版);2009年04期

8 張濤;;Web數(shù)據(jù)挖掘現(xiàn)狀分析[J];科學(xué)之友(B版);2009年06期

9 黃雄偉;陳定方;祖巧紅;;Web數(shù)據(jù)挖掘可視化研究與應(yīng)用[J];湖北工業(yè)大學(xué)學(xué)報;2009年04期

10 王巖;;數(shù)據(jù)挖掘領(lǐng)域探索[J];硅谷;2010年05期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 史東輝;蔡慶生;張春陽;;一種新的數(shù)據(jù)挖掘多策略方法研究[A];第十七屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2000年

2 張弦;;數(shù)據(jù)挖掘在農(nóng)業(yè)中的應(yīng)用[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會成立30周年暨中國農(nóng)業(yè)工程學(xué)會2009年學(xué)術(shù)年會（CSAE 2009）論文集[C];2009年

3 魏順平;;教育數(shù)據(jù)挖掘:現(xiàn)狀與趨勢[A];信息化、工業(yè)化融合與服務(wù)創(chuàng)新——第十三屆計算機模擬與信息技術(shù)學(xué)術(shù)會議論文集[C];2011年

4 關(guān)清平;沉培輝;;概率網(wǎng)絡(luò)在數(shù)據(jù)挖掘上的應(yīng)用[A];科技、工程與經(jīng)濟社會協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會論文集[C];2004年

5 丁瑾;;基于Web數(shù)據(jù)挖掘的綜述[A];山西省科學(xué)技術(shù)情報學(xué)會學(xué)術(shù)年會論文集[C];2004年

6 聶茹;田森平;;Web數(shù)據(jù)挖掘及其在電子商務(wù)中的應(yīng)用[A];中南六�。▍^(qū)）自動化學(xué)會第24屆學(xué)術(shù)年會會議論文集[C];2006年

7 李菊;王軍;;數(shù)據(jù)挖掘在客戶關(guān)系管理的應(yīng)用[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

8 肖陽;李啟賢;;數(shù)據(jù)挖掘在中國鋼鐵行業(yè)中的應(yīng)用[A];中國計量協(xié)會冶金分會2012年會暨能源計量與節(jié)能降耗經(jīng)驗交流會論文集[C];2012年

9 楊磊;王貴成;汪勇;張占勝;;SQL Server 2005在數(shù)據(jù)挖掘中的應(yīng)用[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

10 謝中;邱玉輝;;面向商務(wù)網(wǎng)站有效性的數(shù)據(jù)挖掘方法[A];第十八屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2001年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 本報記者褚寧;數(shù)據(jù)挖掘如“挖金”[N];解放日報;2002年

2 周蓉蓉;數(shù)據(jù)挖掘需要點想像力[N];計算機世界;2004年

3 □中國電信股份有限公司北京研究院 張舒博 □北京郵電大學(xué)計算機科學(xué)與技術(shù)學(xué)院 牛琨;走出數(shù)據(jù)挖掘的誤區(qū)[N];人民郵電;2006年

4 《網(wǎng)絡(luò)世界》記者 王瑩;數(shù)據(jù)挖掘保險業(yè)的新藍海[N];網(wǎng)絡(luò)世界;2012年

5 劉俊麗;基于地理化的網(wǎng)絡(luò)數(shù)據(jù)挖掘與分析提升投資有效性[N];人民郵電;2014年

6 本報記者 連曉東;數(shù)據(jù)挖掘：金融信息化新熱點[N];中國電子報;2002年

7 本報記者 鳳小華 朱仁康;“數(shù)字挖掘軟件”引領(lǐng)中國信息化新浪潮[N];中國電子報;2003年

8 本報記者　史延廷;“成功企業(yè)數(shù)據(jù)挖掘暨數(shù)量化管理論壇”在京舉辦[N];中國旅游報;2002年

9 朱小寧;數(shù)據(jù)挖掘：信息化戰(zhàn)爭的基礎(chǔ)工程[N];解放軍報;2005年

10 本報記者 王小平;從“大集中”走向數(shù)據(jù)挖掘[N];金融時報;2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 于自強;海量流數(shù)據(jù)挖掘相關(guān)問題研究[D];山東大學(xué);2015年

2 張馨;全基因組SNP芯片應(yīng)用于CNV和L0H分析的軟件比對與數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);2011年

3 彭計紅;基于數(shù)據(jù)挖掘的癡呆中醫(yī)證的研究[D];南京中醫(yī)藥大學(xué);2015年

4 李秋虹;基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術(shù)研究[D];復(fù)旦大學(xué);2013年

5 鄔文帥;基于多目標(biāo)決策的數(shù)據(jù)挖掘方法評估與應(yīng)用[D];電子科技大學(xué);2015年

6 謝邦彥;整合數(shù)據(jù)挖掘與TRIZ理論的質(zhì)量管理方法研究[D];首都經(jīng)濟貿(mào)易大學(xué);2010年

7 李榮;生物信息數(shù)據(jù)挖掘若干關(guān)鍵問題研究與應(yīng)用[D];復(fù)旦大學(xué);2004年

8 李玉華;面向服務(wù)的數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2006年

9 吳少智;時間序列數(shù)據(jù)挖掘在生物醫(yī)學(xué)中的應(yīng)用研究[D];電子科技大學(xué);2010年

10 王珊珊;知識指導(dǎo)下的數(shù)據(jù)挖掘在新聞和金融工具之間因果關(guān)系上的應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 林仁紅;基于數(shù)據(jù)挖掘的機遇識別與評價研究[D];首都經(jīng)濟貿(mào)易大學(xué);2007年

2 張彥俊;游戲運營中的數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);2011年

3 焦亞召;基于多核函數(shù)FCM算法在數(shù)據(jù)挖掘聚類中的應(yīng)用研究[D];昆明理工大學(xué);2015年

4 王杰鋒;物聯(lián)網(wǎng)能耗數(shù)據(jù)智能分析及其應(yīng)用平臺設(shè)計[D];江南大學(xué);2015年

5 劉學(xué)建;數(shù)據(jù)挖掘在電子商務(wù)推薦系統(tǒng)中的應(yīng)用研究[D];昆明理工大學(xué);2015年

6 戴陽陽;基于數(shù)據(jù)挖掘的金融時間序列預(yù)測研究與應(yīng)用[D];江南大學(xué);2015年

7 石思優(yōu);基于主題模型的醫(yī)療數(shù)據(jù)挖掘研究[D];廣東技術(shù)師范學(xué)院;2015年

8 陳丹;移動互聯(lián)網(wǎng)信令挖掘?qū)崿F(xiàn)智慧營銷的設(shè)計與實現(xiàn)應(yīng)用研究[D];華南理工大學(xué);2015年

9 陳思;基于數(shù)據(jù)挖掘的大學(xué)生客戶識別模型的研究[D];昆明理工大學(xué);2015年

10 位長帥;基于客戶數(shù)據(jù)挖掘的電信客戶關(guān)系管理研究[D];西南交通大學(xué);2015年

，

本文編號：753735