本文關(guān)鍵詞：基于數(shù)據(jù)挖掘技術(shù)的礦井提升機(jī)故障診斷研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：礦井提升機(jī)是煤礦生產(chǎn)的關(guān)鍵設(shè)備,在保證煤礦安全生產(chǎn)中起著至關(guān)重要的作用。在礦井提升機(jī)日常運(yùn)行過程中會產(chǎn)生海量的監(jiān)測數(shù)據(jù),其中蘊(yùn)涵大量潛在的信息。本文引入了數(shù)據(jù)挖掘技術(shù)進(jìn)行礦井提升機(jī)故障知識的自動獲取,設(shè)計(jì)基于數(shù)據(jù)挖掘技術(shù)的提升機(jī)故障診斷系統(tǒng),對保證煤礦安全生產(chǎn)具有重要的意義。本文以礦井提升機(jī)系統(tǒng)為研究對象,總結(jié)了提升機(jī)常見故障及故障機(jī)理,研究了粗糙集理論及決策樹分類算法,引入近似精度的決策樹分類算法診斷模型,設(shè)計(jì)了基于數(shù)據(jù)挖掘技術(shù)的礦井提升機(jī)故障診斷系統(tǒng)。主要研究內(nèi)容包括:(1)分析了礦井提升機(jī)常見的故障類型及故障機(jī)理,總結(jié)了常見的故障特征,利用時(shí)頻域分析表征故障的特征參數(shù),確定系統(tǒng)所需的監(jiān)測信號;(2)介紹了決策樹算法的基本理論,分析了其建樹過程、評價(jià)標(biāo)準(zhǔn)及常見的分類算法,實(shí)現(xiàn)了基于決策樹分類算法的提升機(jī)監(jiān)測數(shù)據(jù)診斷實(shí)驗(yàn),驗(yàn)證數(shù)據(jù)挖掘技術(shù)應(yīng)用于提升機(jī)故障診斷的切實(shí)可行性;(3)研究了粗糙集的基本理論,建立基于近似精度的決策樹分類算法模型及改進(jìn)算法的模型,闡明了診斷模型的原理和構(gòu)造流程,應(yīng)用實(shí)例數(shù)據(jù)實(shí)現(xiàn)模型的測試與分析;(4)在專業(yè)數(shù)據(jù)挖掘開發(fā)平臺上構(gòu)建了決策樹分類算法模型、基于近似精度的決策樹分類算法模型及其改進(jìn)算法的模型,實(shí)現(xiàn)對診斷模型的實(shí)驗(yàn)分析與評價(jià);(5)分析了信號采集方法與處理流程,數(shù)據(jù)挖掘流程和故障診斷流程。從信號采集模塊設(shè)計(jì)、系統(tǒng)數(shù)據(jù)庫設(shè)計(jì)、系統(tǒng)管理模塊設(shè)計(jì)、在線監(jiān)測模塊設(shè)計(jì)、數(shù)據(jù)挖掘與故障診斷模塊設(shè)計(jì)等方面設(shè)計(jì)基于數(shù)據(jù)挖掘技術(shù)的提升機(jī)故障診斷系統(tǒng)。本系統(tǒng)功能齊全,擴(kuò)展性好,開發(fā)成本低,數(shù)據(jù)挖掘的故障規(guī)則具有較高的準(zhǔn)確性,為進(jìn)一步的研究和實(shí)際應(yīng)用打下了良好的基礎(chǔ)。
【關(guān)鍵詞】：礦井提升機(jī) 數(shù)據(jù)挖掘 粗糙集理論 決策樹算法 故障診斷
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TD534;TP311.13
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-18
• 變量注釋表18-20
• 1 緒論20-28
• 1.1 課題研究背景和意義20-22
• 1.2 課題相關(guān)技術(shù)的研究現(xiàn)狀22-26
• 1.3 課題的主要研究內(nèi)容與論文組織26-28
• 2 礦井提升機(jī)常見故障及監(jiān)測信號的時(shí)頻域分析28-40
• 2.1 傳動系統(tǒng)常見故障分析28-33
• 2.2 制動系統(tǒng)常見故障分析33-36
• 2.3 監(jiān)測信號的時(shí)頻域分析36-39
• 2.4 本章小結(jié)39-40
• 3 基于決策樹分類算法的提升機(jī)故障知識獲取40-48
• 3.1 決策樹分類算法概述40-41
• 3.2 決策樹分類模型的構(gòu)建和評價(jià)標(biāo)準(zhǔn)41-42
• 3.3 決策樹分類算法的分析與比較42-45
• 3.4 實(shí)例分析45-47
• 3.5 本章小結(jié)47-48
• 4 基于粗糙集理論的決策樹分類算法48-66
• 4.1 粗糙集理論及屬性約簡算法研究48-55
• 4.2 基于近似精度的決策樹分類算法55-57
• 4.3 基于改進(jìn)近似精度的決策樹分類算法57-60
• 4.4 實(shí)例分析60-64
• 4.5 本章小結(jié)64-66
• 5 診斷模型的實(shí)驗(yàn)分析66-80
• 5.1 Weka軟件簡介66-68
• 5.2 Weka平臺下診斷模型的實(shí)驗(yàn)分析68-77
• 5.3 診斷模型應(yīng)用77-79
• 5.4 本章小結(jié)79-80
• 6 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)80-102
• 6.1 信號采集模塊設(shè)計(jì)80-83
• 6.2 系統(tǒng)數(shù)據(jù)庫設(shè)計(jì)83-90
• 6.3 系統(tǒng)管理模塊設(shè)計(jì)90-93
• 6.4 在線監(jiān)測模塊設(shè)計(jì)93-97
• 6.5 數(shù)據(jù)挖掘與故障診斷模塊設(shè)計(jì)97-100
• 6.6 本章小結(jié)100-102
• 7 結(jié)論與展望102-104
• 7.1 總結(jié)102-103
• 7.2 展望103-104
• 參考文獻(xiàn)104-108
• 作者簡歷108-112
• 學(xué)位論文數(shù)據(jù)集112

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 李華;劉帥;李茂;劉雙琪;;數(shù)據(jù)挖掘理論及應(yīng)用研究[J];斷塊油氣田;2010年01期

2 劉軍;某礦井提升機(jī)主軸斷裂事故分析[J];煤礦機(jī)械;2005年11期

3 王久鳳;徐桂云;朱家洲;楊艷初;;基于Pro/E的提升機(jī)主軸參數(shù)化設(shè)計(jì)及ANSYS有限元分析[J];煤礦機(jī)械;2008年12期

4 邱均平;周倩雯;;數(shù)據(jù)挖掘與知識挖掘的比較研究[J];情報(bào)科學(xué);2010年12期

  本文關(guān)鍵詞：基于數(shù)據(jù)挖掘技術(shù)的礦井提升機(jī)故障診斷研究，由筆耕文化傳播整理發(fā)布。

本文編號：377727