工业工程
工業工程
공업공정
INDUSTRIAL ENGINEERING JOURNAL
2011年
2期
118-121
,共4页
数据挖掘%加权关联规则%神经网络%故障诊断
數據挖掘%加權關聯規則%神經網絡%故障診斷
수거알굴%가권관련규칙%신경망락%고장진단
采用加权关联规则算法对设备历史数据库进行挖掘,建立加权关联规则模式库.设备监控数据通过与模式库匹配,实现设备故障诊断.同时,针对钢铁企业中液压设备的特殊性,提出利用自组织竞争神经网络模型确定权值,即将设备故障信息的3个主要属性:重要程度、易损程度、故障等级作为模型的输入,通过训练样本确定设备故障的加权关联规则的权值.实例证明了该方法的有效性.
採用加權關聯規則算法對設備歷史數據庫進行挖掘,建立加權關聯規則模式庫.設備鑑控數據通過與模式庫匹配,實現設備故障診斷.同時,針對鋼鐵企業中液壓設備的特殊性,提齣利用自組織競爭神經網絡模型確定權值,即將設備故障信息的3箇主要屬性:重要程度、易損程度、故障等級作為模型的輸入,通過訓練樣本確定設備故障的加權關聯規則的權值.實例證明瞭該方法的有效性.
채용가권관련규칙산법대설비역사수거고진행알굴,건립가권관련규칙모식고.설비감공수거통과여모식고필배,실현설비고장진단.동시,침대강철기업중액압설비적특수성,제출이용자조직경쟁신경망락모형학정권치,즉장설비고장신식적3개주요속성:중요정도、역손정도、고장등급작위모형적수입,통과훈련양본학정설비고장적가권관련규칙적권치.실예증명료해방법적유효성.
