基于数据挖掘对设备故障的诊断方法
故障诊断在知识智能获取的方法发展一直比较缓慢。而随着数据挖掘技术的逐步发展起来，它便成为知识获取效率比较高的工具。文章对数据挖掘专家系统以及数据挖掘技术中常用的一些挖掘算法进行了介绍，并把实验系统数据和数据挖掘专家系统相结合来阐明其原理。
标签：数据挖掘；价值知识；专家系统
引言
伴随着制造业的迅猛发展以及和电子产业结合的不断深入，工业化大生产一步步朝着智能化的方向发展，自动化也更加成熟。但它的系统设备结构复杂性更大，功能也更强大，维修难度随之也提高，所以系统故障产生的故障信息数据越来越巨大。这些数据量超出人工分析处理能力，因此对故障诊断方法的创新是作者一直不断追求的。
1 数据挖掘技术
1.1 数据挖掘的目的与过程
数据挖掘主要有数据库建立、机器学习、统计学等。它的目的是从长期存放在数据仓库中海量的数据信息的集合中去发现那些未知的隐藏的知识。
1.2 数据挖掘关联规则Apriori算法
在数据挖掘关联规则的第一个算法便是Apriori算法，它使用基于支持度的剪枝技术以及系统控制候选项集指数增长是非常具有前瞻性的。它的频繁项集产生算法的程序代码过程为：
1.3 基于Apriori算法的故障诊断的改进
如果能把Apriori算法计算速度大幅提高，则整个算法的效率便会具有很大的上升空间。而运算效率以及提高产生候选项集有两个主要步骤：一个是连接，一个是剪枝操作。因此，算法的改进方法如下：
1.3.1 数据库优化扫描
在每次计算过程中，如果k-1项集为非频繁项集，则k项集为非频繁项集。因此，将此k-1项集从数据库中删去，随着k值的增加，删除的事务随之增多，这样通过减少扫描数据库的次数来提高算法的运行速度。
1.3.2 连接与剪枝优化
电气故障诊断 一、电气设备的状态及检测技术 1、电气设备的状态 （1）正常状态：设备具备其应有的功能，没有缺陷或缺陷不明显，缺陷严重程度仍处于容限范围内。 （2）异常状态：缺陷有了进一步的发展，设备状态发生变化，性能恶化，但仍能维持工作。（3）故障状态：缺陷发展到使设备性能和功能都有所丧失的程度。 （4）事故状态：功能完全丧失，无法进行工作状态。 2、电气设备的状态检测 （1）判断设备所处的状态； （2）根据其状态决定对待的方式。 二、电气设备的现代检测技术 1、现代故障诊断技术的构成： （1）故障诊断机理的研究：（理化原因等） （2）故障诊断信息学的研究：（数据采集与分析） （3）诊断逻辑和数学原理方面的研究：（诊断与决策） 2、现代故障诊断四项技术： （1）检测技术（采集信号、参数） （2）信号处理技术（提取状态信息） （3）识别技术（分析、判断） （4）预测技术（决策和预测） 3、故障诊断与状态监测的关系 （1）工况监测：对反映设备或系统工作状态的信息进行全面监测和分析，实时掌握设备基本工作状态。 （2）状态监测：又称简易诊断，通过监测结果与设定阈值之间的对比，仅对设备运行状态作出正常、异常或故障的判断，而对故障的性质、严重程度等不予或无法进行更深入的诊断。
4、故障诊断的成功因素 （1）故障信息源 （2）诊断方法 5、故障诊断技术的发展趋势（与当代前沿科技相融合） （1）人工智能技术：人工神经网络、专家系统等； （2）前沿数学：小波分析、模糊数学、分析几何等； （3）信息融合技术：证据理论等。 6、故障诊断的关注点 （1）故障阶段：尚未发展造成事故的阶段； （2）其目的是：防患于未然； （3）作用阶段：继电保护动作之前。 三、电气设备的传统检测技术 如果把有故障的电气设备比作病人，电工就好比医生。由中医诊断学的经典四诊（望、闻、问、切），结合电气设备故障的特殊性和诊断电气故障的成功经验，电气设备的检测技术归纳为“六诊”要诀，另外引申出电气设备诊断特殊性的“九法”、“三先后”要诀。 “六诊”、“九法”、“三先后”是行之有效的电气设备诊断的思想方法和工作方法。 事物往往是千变万化的和千差万别的，电气设备出现的故障是五花八门，“六诊”、“九法”、“三先后”电气故障诊断要诀，只是一种思想方法和工作方法，切记不能死搬硬套。检修人员要善于透过现象看本质，善于抓住事物的主要矛盾。 （一）“六诊”检测法 “六诊”------口问、眼看、耳听、鼻闻、手模、表测六种诊断方法，简单地讲就是通过“问、看、听、闻、摸、测”来发现电气设备的异常情况，从而找出故障原因和故障所在的部位。前“五诊”是凭借人的感官对电气设备故障进行有的放矢的诊断，称为感官诊断，又称直观检查法。同样，由于个人的技术经验差异，诊断结果也有所不同。可以采用“多人会诊法”求得正确结论。“表测”即应用电气仪表测量某些电气参数的大小，经过与正常数值对比，来确定故障原因和部位。 （1）口问 当一台设备的电气系统发生故障后，检修人员首先要了解详细的“病情”。即向设备操作人员了解设备使用情况、设备的病历和故障发生的全过程。 如果故障发生在有关操作期间或之后，还应询问当时的操作内容以及方法、步骤。总的来讲，了解情况要尽可能详细和真实，这些往往是快速找出故障原因和部位的关键。 例如：当维修人员巡查时，操作人员反应前处理一台打水离心泵不能启动，需要及时处理。这时维修人就要询问，水罐是否有水，上班和本班是否曾经运行，具体使用情况，是否运行一段时间后停止，还是未运行就不能开启。还要询问故障历史等等。了解具体情况后，到现场进行处理就会有条理，轻松解决问题。 （2）眼看 1）看现场 根据所问到的情况，仔细查看设备外部状况或运行工况。如设备的外形、颜色有无异常，熔丝有无熔断：电气回路有无烧伤、烧焦、开路、短路，机械部分有无损坏以及开关、刀闸、按钮插接线所处位置是否正确，改过的接线有无错误，更换的元件是否相符等：还要观察信
数据挖掘是一个多学科交叉研究领域，它融合了数据库技术、人工智能、机器学习、统计学、知识工程、面向对象方法、信息检索、高性能计算以及数据可视化等最新技术的研究成果。数据挖掘是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。预测分析是一种统计或数据挖掘解决方案，包含可在结构化和非结构化数据中使用以确定未来结果的算法和技术。可为预测、优化、预报和模拟等许多其他用途而部署。预测分析可帮助用户评审和权衡潜在决策的影响力。可用来分析历史模式和概率，预测未来业绩并采取预防措施。 数据挖掘的含义是广泛的，每个人有每个人不同的体会，每个人有每个人的见解。但这些体会、见解是有许多共通之处的，从而可以归纳出数据挖掘的技术定义以及商业定义：从技术角度，数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。它是涉及机器学习、模式识别、统计学、人工智能、数据库管理及数据可视化等学科的边缘学科。由于每个人的思维方式不同，这个定义可以被解读为以下几个层次：①数据源必须是真实的、大量的、含噪声的；②发现的是用户感兴趣的知识；③发现的知识要可接受、可理解、可运用；④这些知识是相对的，是有特定前提和约束条件的，在特定领域中具有实际应用价值。 预测是大数据的核心，数据挖掘之后的预测分析无疑成为开拓市场的重要环节。预测分析是一种统计或数据挖掘解决方案，包含可在结构化和非结构化数据中使用以确定未来结果的算法和技术。可为预测、优化、预报和模拟等许多其他用途而部署。预测分析和假设情况分析可帮助用户评审和权衡潜在决策的影响力。可用来分析历史模式和概率，以预测未来业绩并采取预防措施。这种级别的分析可以为规划流程提供各种信息，并对企业未来提供关键洞察。不仅可提供预测分析，使用户可以执行高级分析、发布并与更广泛的用户群交流。还可以提供
xx学校 2012—2013学年度第二学期期末试卷 考试课程：《人工智能》考核类型：考试A卷 考试形式：开卷出卷教师： 考试专业：考试班级： 一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 A.1946 B.1960 C.1916 D.1956 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合，初始状态集合S 、操作符集合F以及目标
状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。 4、计算智能是人工智能研究的新内容，涉及神经计算、模糊计算和进化计算等。 5、不确定性推理主要有两种不确定性，即关于结论的不确定性和关于证据的不确 定性。 三名称解释（每词4分，共20分） 人工智能专家系统遗传算法机器学习数据挖掘 答：（1）人工智能 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等 （2）专家系统 专家系统是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统,能够利用人类专家的知识和解决问题的方法来处理该领域问题.简而言之,专家系统是一种模拟人类专家解决领域问题的计算机程序系统 （3）遗传算法 遗传算法是一种以“电子束搜索”特点抑制搜索空间的计算量爆炸的搜索方法，它能以解空间的多点充分搜索，运用基因算法，反复交叉，以突变方式的操作，模拟事物内部多样性和对环境变化的高度适应性，其特点是操作性强，并能同时避免陷入局部极小点，使问题快速地全局收敛，是一类能将多个信息全局利用的自律分散系统。运用遗传算法(GA)等进化方法制成的可进化硬件(EHW)，可产生超出现有模型的技术综合及设计者能力的新颖电路，特别是GA独特的全局优化性能，使其自学习、自适应、自组织、自进化能力获得更充分的发挥，为在无人空间场所进行自动综合、扩展大规模并行处理(MPP)以及实时、灵活地配置、调用基于EPGA的函数级EHW，解决多维空间中不确定性的复杂问题开通了航向 （4）机器学习 机器学习(Machine Learning)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎 （5）数据挖掘 数据挖掘是指从数据集合中自动抽取隐藏在数据中的那些有用信息的非平凡过程，这些信息的表现形式为：规则、概念、规律及模式等。它可帮助决策者分析历史数据及当前数据，并从中发现隐藏的关系和模式，进而预测未来可能发生的行为。数据挖掘的
常用简易的设备故障诊 断方法 Document number：PBGCG-0857-BTDO-0089-PTT1998
常用简易的设备故障诊断方法 常用的简易状态监测方法主要有听诊法、触测法和观察法等。 1、听诊法 设备正常运转时，伴随发生的声响总是具有一定的音律和节奏。只要熟悉和掌握这些正常的音律和节奏，通过人的听觉功能就能对比出设备是否出现了重、杂、怪、乱的异常噪声，判断设备内部出现的松动、撞击、不平衡等隐患。用手锤敲打零件，听其是否发生破裂杂声，可判断有无裂纹产生，用听诊法对滚动轴承工作状态进行监测的常用工具是木柄螺丝刀，也可以使用外径为φ20mm左右的硬塑料管。 （1）滚动轴承正常工作状态的声响特点 滚动轴承处于正常工作状态时，运转平稳、轻快、无停滞现象，发出的声响和谐而无杂音，可听到均匀而连续的“哗哗”声，或者较低的“轰轰”声。噪声的强度不大。异常声响所反映的轴承故障锥入度大一点的新润滑脂。 （2）轴承在连续的“哗哗”声中发出均匀的周期性的“嗬罗”声。这种声音是由于滚动体和内外圈滚道出现伤痕、沟槽、锈蚀斑而引起的。声响的周期与轴承的转速成正比。应对轴承进行更换。 （3）轴承发出不连续的“梗梗”声。这种声音是由于保持架或者内外圈破裂而引起的。必须立即停机更换轴承。 （4）轴承发出不规律、不均匀“嚓嚓”声。这种声音是由于轴承内落入铁屑、砂粒等杂质而引起的。声响强度较小，与转速没有联系。应对轴承进行清洗，重新加脂或换油。
（5）轴承发出连续而不规则的“沙沙”声。这种声音一般与轴承的内圈与轴配合过松或者外圈与轴承孔配合过松有关系，声响强度较大。应对轴承的配合关系进行检查，发现问题及时修理。 （6）轴承发出连续刺耳啸叫声。这种声音是由于轴承润滑不良，缺油造成了干摩擦，或者滚动体局部接触过紧，如内外圈滚道偏斜，轴承内外圈配合过紧等情况而引起的。应及时对轴承进行检查找出问题，对症处理。 电子听诊器是一种振动加速度传感器。它将设备振动状况转换成电信号并进行放大，工人用耳机监听运行设备的振动声响，以实现对声音的定性测量。通过测量同一测点、不同时期、相同转速、相同工况下的信号，并进行对比，来判断设备是否存在故障。当耳机出现清脆尖细的噪声时，说明振动频率较高，一般是尺寸相对较小的、强度相对较高的零件发生局部缺陷或微小裂纹。当耳机传出混浊低沉的噪声时，说明振动频率较低，一般是尺寸相对较大的、强度相对较低的零件发生较大的裂纹或缺陷。当耳机传出的噪声比平时增强时，说明故障正在发展，声音越大，故障越严重。当耳机传出的噪声是杂乱无规律地间歇出现时，说明有零件或部件发生了松动。 2、触测法 用人手的触觉可以监测设备的温度、振动及间隙的变化情况。人手上的神经纤维对温度比较敏感，可以比较准确地分辨出80℃以内的温度。当机件温度在0℃左右时，手感冰凉，若触摸时间较长会产生刺骨痛感。10℃左右时，手感较凉，但一般能忍受。20℃左右时，手感稍凉，随着接触时间延长，手感渐温。30℃左右时，手感微温，有舒适感。40℃左右时，手感较热，有微烫感觉。50℃左右时，手感较烫，若用掌心按的时间较长，会有汗感。60℃左右
习题参考答案 第1 章绪论 1.1 数据挖掘处理的对象有哪些？请从实际生活中举出至少三种。 答：数据挖掘处理的对象是某一专业领域中积累的数据，对象既可以来自社会科学,又可以来自自然科学产生的数据,还可以是卫星观测得到的数据。数据形式和结构也各不相同, 可以是传统的关系数据库,可以是面向对象的高级数据库系统,也可以是面向特殊应用的 数据库,如空间数据库、时序数据库、文本数据库和多媒体数据库等,还可以是Web 数据 信息。 实际生活的例子： ①电信行业中利用数据挖掘技术进行客户行为分析，包含客户通话记录、通话时间、所 开通的服务等，据此进行客户群体划分以及客户流失性分析。 ②天文领域中利用决策树等数据挖掘方法对上百万天体数据进行分类与分析，帮助天文 学家发现其他未知星体。 ③制造业中应用数据挖掘技术进行零部件故障诊断、资源优化、生产过程分析等。 ④市场业中应用数据挖掘技术进行市场定位、消费者分析、辅助制定市场营销策略等。 1.2 给出一个例子，说明数据挖掘对商务的成功是至关重要的。该商务需要什么样的数据挖掘功能？它们能够由数据查询处理或简单的统计分析来实现吗？ 答：例如，数据挖掘在电子商务中的客户关系管理起到了非常重要的作用。随着各个电子商务网站的建立，企业纷纷地从“产品导向”转向“客户导向”，如何在保持现有的客户 同时吸引更多的客户、如何在客户群中发现潜在价值，一直都是电子商务企业重要任务。但是，传统的数据分析处理，如数据查询处理或简单的统计分析，只能在数据库中进行 一些简单的数据查询和更新以及一些简单的数据计算操作，却无法从现有的大量数据中 挖掘潜在的价值。而数据挖掘技术却能使用如聚类、关联分析、决策树和神经网络等多 种方法，对数据库中庞大的数据进行挖掘分析，然后可以进行客户细分而提供个性化服务、可以利用挖掘到的历史流失客户的特征来防止客户流失、可以进行产品捆绑推荐等，从而使电子商务更好地进行客户关系管理，提高客户的忠诚度和满意度。 1.3 假定你是Big-University 的软件工程师，任务是设计一个数据挖掘系统，分析学校课程数据库。该数据库包括如下信息：每个学生的姓名、地址和状态(例如，本科生或研究生)、所修课程，以及他们的GPA。描述你要选取的结构，该结构的每个成分的作用是什么？答：任务目的是分析课程数据库，那么首先需要有包含信息的关系型数据库系统，以便查找、提取每个属性的值；在取得数据后，需要有特征选择模块，通过特征选择，找出要分析 的属性；接下来需要一个数据挖掘算法，或者数据挖掘软件，它应该包含像分类、聚类、关联分析这样的分析模块，对选择出来的特征值进行分析处理；在得到结果后，可以用 可视化软件进行显示。 1.4 假定你作为一个数据挖掘顾问，受雇于一家因特网搜索引擎公司。通过特定的例子说明，数据挖掘可以为公司提供哪些帮助，如何使用聚类、分类、关联规则挖掘和离群点检测 等技术为企业服务。 答： (1) 使用聚类发现互联网中的不同群体，用于网络社区发现； 第2 页共27 页 (2) 使用分类对客户进行等级划分，从而实施不同的服务； (3) 使用关联规则发现大型数据集中间存在的关系，用于推荐搜索。如大部分搜索了“广外”的人都会继续搜索“信息学院”，那么在搜索“广外”后会提示是否进进一步搜 索“信息学院”。
《商务智能与数据挖掘》简答题部分答案 --《商务智能与方法应用》（刘红岩编著) P9 ●1、什么是商务智能？ 答： 商务智能指用现代数据仓库技术、联机分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。 ●4、商务智能系统的主要组成要素有哪些？ 答： 一个商务智能系统通常包含6个主要组成部分：数据源、数据仓库、在线分析处理、数据探查、数据挖掘以及业务绩效管理。 P15 ●2、商务智能系统成功的关键因素有哪些？ 答： 商务智能系统成功的关键因素主要有5个：业务驱动、高层支持、业务人员和IT人员的合作、循序渐进、培训。 ●4、OLTP和OLAP分别代表什么?比较二者之间的不同之处。 答： 在线事务处理(OLTP),是数据库管理系统的主要功能，用于完成企业内部各个部门的日常业务操作。 在线分析处理（OLAP）是数据库系统的主要应用，提供数据的多维分析以支持决策过程。 OLTP和OLAP二者的不同之处有：面向的用户；功能的作用；数据库中存储的数据；数据库设计（包括数据库的数据处理方式、使用方式、执行单元、性能指标、事务特性）。 P103 ●3、构建数据仓库系统的主要阶段？ 答：
数据库项目的开发可以分为6个阶段：项目规划、需求分析、概念设计、ETL 设计、逻辑和物理设计、实现与培训。 1.项目规划阶段主要目的是了解总体需求，界定项目实施的范围，评估项目的必要行和可行性，撰写数据仓库项目的规划文档。 2.需求分析阶段，可进一步详细了解需求，确定分析主题以及相关的维度和度量，了解已有信息系统的功能、结构和模型，确定数据仓库中应该包含的数据，以及相关的数据来源，撰写需求分析说明书。 3.概念设计阶段，可利用概念模型描述数据仓库包含的主要及其关系。 4.ETL设计阶段，包括数据抽取、转换和加载设计三部分。 5.逻辑和物理设计阶段，用于设计数据仓库的逻辑模型和物理模型。 6.实现与培训阶段，包括数据仓库系统的实现和用户使用的培训。 ●4、简要说明数据仓库和数据集市的区别和联系。 答： （1)区别： 1.应用范围上，数据仓库一般为企业级；数据集市一般为部门级。 2.存储内容上，数据仓库包含企业经营过程中所有详细数据；数据集市一般 只包含特定范围的详细数据和适度聚合的数据。 3.优化上，数据仓库侧重于处理和探索海量数据，数据集市则侧重于快速的 访问和分析。 (2)联系：数据集市是数据仓库的一种特殊形式，一般情况下数据集市从属于某个数据仓库，但二者又均以资料导向型设计、不属于任何一个OLTP系统 P110 ●1、OLAP有哪些特点？
单选题 1.（）是一种基于树结构进行决策的算法。（ 2.0分） A.轨迹跟踪 B.决策树 C.数据挖掘 D.K近邻算法 我的答案：B√答对 2.（）是指能够自己找出问题、思考问题、解决问题的人工智能。（2.0分） A.超人工智能 B.强人工智能 C.弱人工智能 D.人工智能 我的答案：B√答对 3.癌症的治疗分为手术、放疗、化疗。据WTO统计，在45%的肿瘤治愈率中，比重最高的治疗方式是（）。（2.0分） A.手术 B.放疗 C.化疗 D.都一样 我的答案：A√答对
4.根据国际评判健康的标准，我国成年人心血管呈理想状态的比率为（）。（2.0分） A.0.1% B.0.2% C.0.3% D.0.4% 我的答案：B√答对 5.（）是指在各个领域都比人类要强的人工智能。（2.0分） A.超人工智能 B.强人工智能 C.弱人工智能 D.人工智能 我的答案：A√答对 6.如果一个人体检时发现乳腺癌1号基因发生突变，可以推断出（）。（2.0分） A.这个人患乳腺癌的概率增加了 B.这个人已经患了乳腺癌 C.这个人一定会患乳腺癌 D.这个人很快会被检查出乳腺癌 我的答案：A√答对 7.在大数据隐私保护生命周期模型中，大数据发布的风险是（）。（2.0分）
A.被第三方偷窥或篡改 B.如何确保合适的数据及属性在合适的时间地点给合适的用户访问 C.匿名处理后经过数据挖掘仍可被分析出隐私 D.如何在发布时去掉用户隐私并保证数据可用 我的答案：D√答对 8.2005年，美国一份癌症统计报告表明：在所有死亡原因中，癌症占（）。（2.0分） A.1/4 B.1/3 C.2/3 D.3/4 我的答案：A√答对 9.我国骨质疏松的诊断标准是T值小于等于（）。（2.0分） A.-1 B.-1.5 C.-2 D.-2.5 我的答案：D√答对 10.在大数据隐私保护生命周期模型中，大数据使用的风险是（）。（2.0分） A.被第三方偷窥或篡改
题目：机械设备故障诊断技术研究 学号： 姓名： 专业： 指导教师： 2016 年 8 月 30 日
摘要 故障诊断技术对于机械设备的安全运行有着至关重要作用，一直是工程应用领域的重点和难点, 国内外已经对此问题进行了大量的研究工作。该论文介绍了机械设备故障诊断技术的基本概念，在总结研究各种诊断技术的基础上全面分析了现代故障诊断技术存在的问题, 并针对这些问题提出了故障诊断领域将来的研究方向。故障诊断是一项实用性很强的技术, 对其进行理论上的分析研究具有重要的现实意义。 关键词：机械设备故障；诊断技术；研究
第一章引言 随着现代科学技术在设备上的应用，现代设备的结构越来越复杂，功能越来越齐全，自动化程度也越来越高。由于许多无法避免的因素影响，会导致设备出现各种故障，从而降低或失去预定的功能，甚至会造成严重的以至灾难性的事故。国内外接连发生的由设备故障引起的各种空难、海难、爆炸、断裂、倒塌、毁坏、泄漏等恶性事故，造成了极大的经济损失和人员伤亡。生产过程中经常发生的设备故障事故，也会使生产过程不能正常运行或机器设备遭受损坏而造成巨大的经济损失。因此机械设备故障诊断技术在社会中的重要性越来越高，主要体现在[1]：（1）预防事故，保证人员和设备安全。 （2）推动设备维修制度的改革。维修制度从预防制度向预知制度的转变是必然的，而真正实现预知维修的基础是设备故障诊断技术的发展和成熟。 （3）提高经济效益。设备故障诊断的最终目的是避免故障的发生，使零部件的寿命得到充分发挥，延长检修周期，降低维修费用。 因此，机械设备故障诊断技术日益受到广泛重视，对机械设备故障诊断技术的研究也不断深入。但受于机械设备故障成因的复杂性和诊断技术的局限性，目前机械设备故障诊断仍存在一些问题。
（企业诊断）设备故障诊断 与维修
《设备故障诊断和维修》学习提纲 第壹章绪论 掌握设备故障诊断的意义、目的、任务及其发展概况，熟悉设备故障诊断的概念、意义和目的，熟悉状态监测和故障诊断的任务，了解设备故障诊断技术的发展概况。 1、设备诊断技术、修复技术和润滑技术已列为我国设备管理和维修工作的三项基 础技术。 2、设备故障诊断是指在设备运行中或在基本不拆卸的情况下，通过各种手段，掌握设备运行状态，判定产生故障的部位和原因，且预测、预报设备未来的状态，从而找出对策的壹门技术。 3、设备故障诊断既要保证设备的安全可靠运行，又要获取更大的经济效益和社会效益。 4、设备故障诊断的任务是监视设备的状态，判断其是否正常；预测和诊断设备的故障且消除故障；指导设备的管理和维修。 5、设备故障诊断技术的发展历程：感性阶段→量化阶段→诊断阶段（故障诊断技术真正作为壹门学科）→人工智能和网络化阶段（发展方向）。 第二章设备故障诊断的基本概念 了解设备故障诊断的壹些基本概念和基本方法，明确设备故障诊断的重要目标——状态维修。要求掌握设备和设备故障的基本概念，全面、深入了解设备故障的概念、原因、机理、类型、模式、特性、分析及管理；了解设备故障诊断的基本方法和分类；熟知设备维修方式的发展和状态维修，认识设备故障诊断技术和状态维修的“因果”关系。 1、从系统论的观点，设备是由有限个“元素”，通过元素之间的“联系”，按照壹定的规律聚合而构成的。 2、设备的故障，是指系统的构造处于不正常状态，且可导致设备相应的功能失调，致使设 备相应行为（输出）超过允许范围，这种不正常状态称为故障状态。
3、理解故障原因、故障机理、故障模式、故障分析等概念。设备故障具有层次性、传播性、 放射性、相关性、延时性、不确定性等基本特性。 4、对故障进行分类的目的是为了弄清不同的故障性质，从而采取相应的诊断方法 5、设备故障诊断的基本方法包括传统的故障诊断方法、故障的智能诊断方法和故障诊断的 数学方法。 6、设备故障诊断的分类根据诊断对象、诊断参数、诊断的目的和要求、诊断方法的完善程 度等不同能够有各种分类方法。 7、我国的维修体制也在发生着深刻而巨大的变化，已从早期的事后维修和实施多年的定期 预防维修开始进入现代的预知性的视情（状态）维修。 8、实施设备状态维修的指导思想。 第三章设备故障诊断的技术基础 掌握设备故障诊断特别是振动诊断的技术基础，要求熟悉设备故障诊断技术的内容，掌握设备故障信息获取和检测方法的框架知识，了解设备故障常用的三种评定标准及相对判断标准的制定方法，熟悉故障诊断中的信号处理。掌握傅里叶变换在故障诊断中的应用。 1、设备故障诊断的内容包括状态监测、分析诊断和故障预测三个方面。其具体实施过程 为信息采集、信号处理、状态识别、诊断决策。 2、设备故障信息的获取方法包括直接观测法、参数测定法、磨损残渣测定法及设备性能 指标的测定。 3、设备故障的检测方法包括振动和噪声的故障检测、材料裂纹及缺陷损伤的故障检测、 设备零部件材料的磨损及腐蚀故障检测及工艺参数变化引起的故障检测。 4、设备故障的评定标准常用的有三种判断标准，即绝对判断标准、相对判断标准以及类 比判断标准。可用平均法制定相对判断标准。
基于数据挖掘对设备故障的诊断方法 故障诊断在知识智能获取的方法发展一直比较缓慢。而随着数据挖掘技术的逐步发展起来，它便成为知识获取效率比较高的工具。文章对数据挖掘专家系统以及数据挖掘技术中常用的一些挖掘算法进行了介绍，并把实验系统数据和数据挖掘专家系统相结合来阐明其原理。 标签：数据挖掘；价值知识；专家系统 引言 伴随着制造业的迅猛发展以及和电子产业结合的不断深入，工业化大生产一步步朝着智能化的方向发展，自动化也更加成熟。但它的系统设备结构复杂性更大，功能也更强大，维修难度随之也提高，所以系统故障产生的故障信息数据越来越巨大。这些数据量超出人工分析处理能力，因此对故障诊断方法的创新是作者一直不断追求的。 1 数据挖掘技术 1.1 数据挖掘的目的与过程 数据挖掘主要有数据库建立、机器学习、统计学等。它的目的是从长期存放在数据仓库中海量的数据信息的集合中去发现那些未知的隐藏的知识。 1.2 数据挖掘关联规则Apriori算法 在数据挖掘关联规则的第一个算法便是Apriori算法，它使用基于支持度的剪枝技术以及系统控制候选项集指数增长是非常具有前瞻性的。它的频繁项集产生算法的程序代码过程为： 1.3 基于Apriori算法的故障诊断的改进 如果能把Apriori算法计算速度大幅提高，则整个算法的效率便会具有很大的上升空间。而运算效率以及提高产生候选项集有两个主要步骤：一个是连接，一个是剪枝操作。因此，算法的改进方法如下： 1.3.1 数据库优化扫描 在每次计算过程中，如果k-1项集为非频繁项集，则k项集为非频繁项集。因此，将此k-1项集从数据库中删去，随着k值的增加，删除的事务随之增多，这样通过减少扫描数据库的次数来提高算法的运行速度。 1.3.2 连接与剪枝优化
1.1.设备故障诊断的含义 设备故障诊断是指应用现代测试分析手段和诊断理论方法，对运行中的机械设备出现故障的机理、原因、部位和故障程度进行识别和诊断，并且根据诊断结论，确定设备的维修方案和防范措施。 1.2.设备故障诊断的过程 信号采集→信号处理→故障诊断→诊断决策→故障防治与控制 1.3.设备故障诊断的特性 多样性、层次性、多因素相关性、延时性、不确定性 1.4.三种维修制度 事后维修（故障维修）、定期维修（计划维修）、状态监测维修（预知性维修） 1.5设备故障的类型有哪些 ①结构损伤性故障（裂纹、磨损、腐蚀、变形、断裂、剥落和烧伤） ②运动状态劣化性故障（机械位置不良、刚性不足、摩擦、流体激振、非线性的谐波共振） 1.6设备故障诊断的功能 ①不停机不拆卸的状态下检测 ②可预测设备的可靠性程度 ③确定故障来源，提出整改措施 1.7.设备状态监测与故障诊断的技术和方法 振动信号监测诊断技术（普遍性、信息量丰富、易处理与分析） 声信号监测诊断技术（声音监听法、频谱分析法、声强法） 温度信号监测诊断技术 润滑油的分析诊断技术 其他无损检测诊断技术 1.8.设备故障状态的识别方法 信息比较诊断法、参数变化诊断法、模拟试验诊断法、函数诊断法、故障树分析诊断法、模糊诊断法、神经网络诊断法、专家系统 2.1信号的含义和分类 信号是表征客观事物状态或行为信息的载体 分类：确定性信号与非确定性信号；连续信号和离散信号；能量信号和功率信号；时限与频限信号 2.2.信号时域分解 直流分量和交流分量 脉冲分量 实部分量和虚部分量 正交函数分量 2.3.信号的时域统计 均值 均方值 方差
2.4.时域相关分析 相关系数： 2.5.频谱分析法 利用傅里叶变换的方法对振动的信号进行分解，并按频率顺序展开，使其成为频率的函数，进而在频率域中对信号进行研究和处理的一种过程，称为频谱分析 2.6.振动监测的基本参数振幅、频率、相位 2.7.旋转机械常用的振动信号处理图形 轴心轨迹：轴颈中心相对于轴承座在轴线垂直平面内的运动轨迹 转子振型：转子轴线上各点的振动位移所连成的一条空间曲线 轴颈涡动中心位置：在滑动轴承中，轴颈中心在激扰力作用下是绕着某一中心点运动的 波特图：描述转子振幅和相位随转速变化的关系曲线，纵坐标为振幅和相位，横坐标为转子的转速或转速频率 极坐标图：把转子的振幅与相位随转速的变化关系用极坐标的形式表示出来（直观，方便，清晰，抗干扰） 三维坐标图（级联图、瀑布图）：随转速上升，机械振动的基础幅指上升 阶比谱分析：将频谱图上横坐标的每个频率值除以某个参考频率值（读数清晰、周期采样、精度高） 3.1旋转机械的故障类型有哪些 ①转自不平衡②转子不对中③滑动轴承故障④转子摩擦⑤浮动环密封故障 3.2转子不平衡的概念 转子受材料质量、加工、装配以及运行中多种因素的影响，其质量中心和旋转中心线中间存在一定量的偏心距，使得转子在工作时形成周期性的离心力干扰，在轴承上产生动载荷，从而引起机器振动的现象 不平衡产生的离心力大小 3.3转子不平衡振动的故障特征 ①不平衡故障主要引起转子或轴承径向振动，在转子径向测点上得到的频谱图，转速频率成分具有突出的峰值 ②单纯的不平衡振动，转速频率的高次谐波幅值很低，因此在时域上的波形是一个正弦波 ③转子的轴心轨迹形状基本上为一个圆或者椭圆，这意味着置于转轴同一截面上相互垂直的两个探头，其信号相位差接近90° ④转子的进动方向为同步正进动 ⑤除了悬臂转子外，对于普通两端支撑的转子，不平衡在轴向上的振幅一般不明显 ⑥转子振幅对转速变化很敏感，转速下降，振幅将明显下降 3.4转子不平衡振动的原因 ①固有质量不平衡（设计错误、材料缺陷、加工与装配误差、动平衡方法不正确） ②转子运行中的不平衡（转子弯曲、转子平衡状态破坏） 3.5怎样区别转子弯曲不平衡和质量不平衡 ①振幅随转速的变化：质量不平衡与转速之间按照固定的关系式变化，弯曲的没有
资阳市2019年度公需科目培训《人工智能与健康》试题及答案（一） 一、单项选择题 1.古代把计量叫“度量衡”，其中，“度”是测量（）的过程。（ 2.0分） A.长度 B.容积 C.温度 D.轻重 我的答案：A√答对 2.最经典的西方健康研究——佛雷明翰研究开始于（）。（2.0分） A.1948年 B.1971年 C.1989年 D.2000年 我的答案：A√答对 3.（）宣布启动了“先进制造伙伴计划”“人类连接组计划”“创新神经技术脑研究计划”。（2.0分） A.中国 B.日本 C.美国 D.德国 我的答案：C√答对 4.在2016年，我国人工智能企业超过了（）家。（2.0分） A.1000 B.1200 C.1400 D.1500 我的答案：D√答对 5.在大数据隐私保护生命周期模型中，大数据发布的风险是（）。（2.0分）
A.被第三方偷窥或篡改 B.如何确保合适的数据及属性在合适的时间地点给合适的用户访问 C.匿名处理后经过数据挖掘仍可被分析出隐私 D.如何在发布时去掉用户隐私并保证数据可用 我的答案：D√答对 6.下列对人工智能芯片的表述，不正确的是（）。（2.0分） A.一种专门用于处理人工智能应用中大量计算任务的芯片 B.能够更好地适应人工智能中大量矩阵运算 C.目前处于成熟高速发展阶段 D.相对于传统的CPU处理器，智能芯片具有很好的并行计算性能 我的答案：C√答对 7.（）是用电脑对文本集按照一定的标准进行自动分类标记。（2.0分） A.文本识别 B.机器翻译 C.文本分类 D.问答系统 我的答案：C√答对 8.在（）年，AlphaGo战胜世界围棋冠军李世石。（2.0分） A.2006 B.2012 C.2016 D.2017 我的答案：C√答对 9.古代把计量叫“度量衡”，其中，“衡”是测量（）的过程。（2.0分） A.长度 B.容积 C.温度 D.轻重
设备故障诊断技术简介
上海华阳检测仪器有限公司 Shanghai Huayang MeasuringInstruments Co., Ltd 目录 设备故障诊断技术定义
-----------------------------------------------（ 3）一．设备维修制度的进展-----------------------------------------------（ 4）二．检测参数类型-------------------------------------------------------（ 5） 三．振动检测中位移、速度和加速度参数的选择-----------------------------（ 5） 四．测点选择原则------------------------------------------------------（ 6） 五．测点编号原则------------------------------------------------------（ 7） 六．评判标准----------------------------------------------------------（ 7） 七．测量方向及代号----------------------------------------------------
（10） 八．搜集和掌握有关的知识和资料----------------------------------------（10） 九．故障分析与诊断----------------------------------------------------（11） 十．常见故障的识不----------------------------------------------------（14） 1．不平衡------------------------------------------------------------（14） 2．不对中------------------------------------------------------------（14） 3．机械松动----------------------------------------------------------（15） 4. 转子或轴裂纹
常用简易的设备故障诊断 方法 Prepared on 22 November 2020
常用简易的设备故障诊断方法 常用的简易状态监测方法主要有听诊法、触测法和观察法等。 1、听诊法 设备正常运转时，伴随发生的声响总是具有一定的音律和节奏。只要熟悉和掌握这些正常的音律和节奏，通过人的听觉功能就能对比出设备是否出现了重、杂、怪、乱的异常噪声，判断设备内部出现的松动、撞击、不平衡等隐患。用手锤敲打零件，听其是否发生破裂杂声，可判断有无裂纹产生，用听诊法对滚动轴承工作状态进行监测的常用工具是木柄螺丝刀，也可以使用外径为φ20mm左右的硬塑料管。 （1）滚动轴承正常工作状态的声响特点 滚动轴承处于正常工作状态时，运转平稳、轻快、无停滞现象，发出的声响和谐而无杂音，可听到均匀而连续的“哗哗”声，或者较低的“轰轰”声。噪声的强度不大。异常声响所反映的轴承故障锥入度大一点的新润滑脂。 （2）轴承在连续的“哗哗”声中发出均匀的周期性的“嗬罗”声。这种声音是由于滚动体和内外圈滚道出现伤痕、沟槽、锈蚀斑而引起的。声响的周期与轴承的转速成正比。应对轴承进行更换。 （3）轴承发出不连续的“梗梗”声。这种声音是由于保持架或者内外圈破裂而引起的。必须立即停机更换轴承。 （4）轴承发出不规律、不均匀“嚓嚓”声。这种声音是由于轴承内落入铁屑、砂粒等杂质而引起的。声响强度较小，与转速没有联系。应对轴承进行清洗，重新加脂或换油。
（5）轴承发出连续而不规则的“沙沙”声。这种声音一般与轴承的内圈与轴配合过松或者外圈与轴承孔配合过松有关系，声响强度较大。应对轴承的配合关系进行检查，发现问题及时修理。 （6）轴承发出连续刺耳啸叫声。这种声音是由于轴承润滑不良，缺油造成了干摩擦，或者滚动体局部接触过紧，如内外圈滚道偏斜，轴承内外圈配合过紧等情况而引起的。应及时对轴承进行检查找出问题，对症处理。 电子听诊器是一种振动加速度传感器。它将设备振动状况转换成电信号并进行放大，工人用耳机监听运行设备的振动声响，以实现对声音的定性测量。通过测量同一测点、不同时期、相同转速、相同工况下的信号，并进行对比，来判断设备是否存在故障。当耳机出现清脆尖细的噪声时，说明振动频率较高，一般是尺寸相对较小的、强度相对较高的零件发生局部缺陷或微小裂纹。当耳机传出混浊低沉的噪声时，说明振动频率较低，一般是尺寸相对较大的、强度相对较低的零件发生较大的裂纹或缺陷。当耳机传出的噪声比平时增强时，说明故障正在发展，声音越大，故障越严重。当耳机传出的噪声是杂乱无规律地间歇出现时，说明有零件或部件发生了松动。 2、触测法 用人手的触觉可以监测设备的温度、振动及间隙的变化情况。人手上的神经纤维对温度比较敏感，可以比较准确地分辨出80℃以内的温度。当机件温度在0℃左右时，手感冰凉，若触摸时间较长会产生刺骨痛感。10℃左右时，手感较凉，但一般能忍受。20℃左右时，手感稍凉，随着接触时间延长，手感渐温。30℃左右时，手感微温，有舒适感。40℃左右时，手感较热，有微烫感觉。50℃左右时，手感较烫，若用掌心按的时间较长，会有汗感。60℃左右
设备故障诊断的数据挖掘论文 1数据挖掘技术概念 1.1数据准备数据准备过程有三个主要步骤，分别是数据选择、数据预处理以及数据变换。不管是哪一个行业的检测系统，其所检测得到的数据都具有多样性与复杂性以及海量行的特点，正是这些造成人们分析数据的困难。所以想要解决问题，首先就要先确定挖掘目标，这样在检测数据库与历史数据库中才能够获得相对应的数据，并且实行预处理与变化和归化等。不过如果挖掘出来的数据质量不高会影响最终结果，所以提升挖掘质量，就要花费大量时间与精力去实行，绝绝大多数这个挖掘过程需要耗费整个过程的百分之八十以上。 1.2数据挖掘这个过程是持续反复与重复的过程，在这个过程中能够持续发现一些潜藏的知识与信息，能够利用决策树或者规则学习等多种方法来实行分析统计。 1.3结果分析和评估在持续检测数据的情况下，得到的数据也在持续发生变化，大量数据下需要持续的分析与建模，这样才能持续发现新设备的运行过程与故障，从而保证在较短时间内获得故障诊断结果。 2数据挖掘的常用技术 数据挖掘技术算法的好快直接影响到所发现信息质量的好坏，当前对该技术的研究方向也集中在算法与应用方面，常用的技术主要有以下几点： 2.1粗糙集理论这项研究数据的不确定性的数学工具由波兰科学家第一次提出，并且在经过二十年的持续进展中已经广泛应用到人工智能的各分支中，不管是在模式识别还是机械学习等方面都带来了成功。成功应用主要还在于存有的几点优点：其一该理论不用事先给出额外信息，能够减掉冗余信息的输入，减轻数据的复杂度与输入时间。其二算法简单，更方便人们操作。虽然优点明显，但是缺点也存有，在
对实际发生问题的处理过程中，抗干扰的水平十分差，有可能会直接 影响故障分类。 2.2决策树技术决策树算法是一种外形像树的预测模型结构，树的节 点表述所属类别，非终端节点表示问题属性。根据数据不同取值来实 行分类，建立树的分叉，从而形成决策树。决策树的规则是可直观容 易理解的，这个点是与神经元网络存有的最大不同点，因为算法直观 所以分类不需要很多时间，所以十分适用于记录故障分类和分析预测。 2.3人工神经元网络技术这是当前数据挖掘技术使用最多也是最广泛 的一项技术，该项技术主要是模仿人的神经系统来建立数据库的，从 而分析数据库中的数据并实行预测与分类。与上述技术不同的是，神 经元网络技术在机械故障十分复杂的情况下还能够得到较为准确的预 测技术，所以能够处理一些连续变量的问题，但对于高维变量数据则 不适合，主要原因在于其最大的特点是不透明性，不能够就是分析结 果是怎样产生的，以及产生结果的推算过程，所以神经元网络技术比 较适合于较为复杂数据的分析，比如聚类模式。典型三层前馈神经网 络结构如图1所示。 2.4遗传算法这种算法来自于生物进化理论，其使用的适者生存观点，也救赎常把一些任务看成一项能够搜索的问题，实行遗传算法搜索， 从而得到最优解。遗传算法能够解决很多数据类型的问题，还能够同 时处理不同类型的数据，但计算的时候因为使用的参数过多，很多编 码问题十分困难，计算量也十分大。 3数据挖掘技术在工业优化中的应用 工业优化也分类型，根据不同的优化类型的不同要求，要采取不同的 挖掘技术来实现找出问题解决的办法。一些需要解决的优化目标比较 容易获得评价或者说需要优化的问题是比较容易表达的这些情况下， 通常使用遗传算法实行全局搜索，这样比较方便。比如工业配方、工 艺工序组成等。粗糙集方法能够用于需要学习目标值与其相关变量间 的定量关系，利用技术来挖掘数据库中的目标数据间的关联规律，当