基于加权关联增量更新模型的设备故障诊断研究  

Research on equipment fault diagnosis based on weighted association rules fast incremental updating model

作　　者：朱清香[1] 于欣[1] 刘晶[2] 刘彦凯[2] 尹佳[2] 

机构地区：[1]燕山大学经济管理学院,河北秦皇岛066004 [2]河北工业大学计算机科学与软件学院,天津300401

出　　处：《燕山大学学报》2014年第4期365-370,共6页Journal of Yanshan University

基　　金：国家自然科学基金资助项目(51175145);河北省自然科学基金资助项目(G2010001331);河北省高等学校科学技术研究项目(QN20131060)

摘　　要：利用数据挖掘技术对设备监测数据进行分析,可以建立较准确的故障诊断及预警模型,但随着故障数据库的扩大,如何利用新增数据进行快速诊断成为急需解决的问题。针对上述问题,提出了加权关联规则增量更新模型,该模型直接对新增数据进行频繁项集挖掘,在一定程度上缩减了矩阵规模。通过算例证明了其挖掘结果的准确率明显优于经典的增量模型-FUP。The fault diagnosis and warning model could be built more accurate with equipment monitoring data analyzed by thedata mining technology. But, as the size of fault database scale up, the problemof howto use the incremental data for rapid diagnosisneeds to solve urgently. Thus, an incremental updatingmodel based on thematrix-count algorithmis proposed to solve this problem.The model can find the large itemsets in the incremental database directly and the size of matrix is reduced. The example provesthat the model is more accuracy than the classic incremental updating model-FUP.

关 键 词：故障诊断 加权关联规则 增量更新 布尔矩阵 

分 类 号：TP206.3[自动化与计算机技术—检测技术与自动化装置]