煤矿机械CoalMineMachineryVol.35No.03Mar.2014第35卷第03期2014年03月0引言液压泵的性能将决定整个液压系统的运行状态，对液压泵的故障诊断是保证生产顺利进行的关键任务，一旦液压泵产生故障，振动和噪声将出现异常，通过传感器技术和诊断技术，可获得大量的信号数据，能够找出液压泵故障发生的原因和位置。从而为液压泵的故障诊断提供有利的支持。液压泵的故障诊断需要提取其故障特征，故障的获取是非常重要的，为了能够实现这一目地，可以利用数据挖掘技术。数据挖掘技术能够从不完全的数据中提取隐藏于其中的有价值的特征，是一种基于数据仓库的数据处理技术。利用数据挖掘技术对液压泵进行故障诊断，可以获取液压泵故障的故障特征，从而能够实现液压泵的故障诊断，具有较高的可行性。1数据挖掘的理论模型将液压泵运行数据记录作为故障的信息源，将液压泵的故障历史记录下来，能够发现故障数据和液压泵故障类型之间的关系，从而确定相应的液压泵故障诊断规则。基于数据挖掘的故障诊断流程为：数据准备和诊断目标确定、数据清洗、数据标准化以及数据的离散化、属性的简约，最终获得液压泵的故障诊断结论。（1）数据清洗将采集的数据中异常数据去掉，并且填上空缺值，从而能够把由于传感器误差产生的无效数据去掉，或者将数据传输过程中没有采集到的某一时刻的数据补充上。（2）数据标准化将传感器采集到的数据采取统一的标准进行比较，当液压泵产生故障时，无法确定采集数据的异常，实时采集数据的最大值、最小值和平均值对液压泵的故障诊断没有明显的作用，为了能够提高故障诊断的准确性，可以采用数据标准化算法Zi，k=xi，k-fkSk，i=1，2，…，n（1）fk＝12（xmax，k+xmin，k）（2）Sk=12（｜xmax，k－fk｜＋｜xmin，k－fk｜）（3）式中Zi，k———采集数据的异常因子，-1＜Zi，k＜1时，采集数据处于正常状态；fk———属性k的均值；Sk———属性k的平均绝对偏差；xmax，k、xmin，k———属性的最大值和最小值。（3）数据的离散化将条件属性区间分为若干个有限区间，不同区间的要素对应的决策值一样。离散化的过程应该考基于数据挖掘技术的液压泵的故障诊断研究周叙国（贵州工业职业技术学院，贵阳550008）摘要：液压泵是液压系统的核心，液压泵发生故障将影响整个液压系统的工作性能，因此，将数据挖掘技术应用于液压泵的故障诊断之中。首先，分析了数据挖掘的理论模型，分别讨论了数据清洗、数据标准化、数据的离散化以及模糊粗糙集的数据挖掘方法；其次，构建了基于模糊粗糙集数据挖掘的液压泵故障诊断模型；最后，进行了液压泵故障诊断仿真研究，仿真结果表明该数据挖掘技术具有较高的故障诊断准确率。关键词：数据挖掘；模糊粗糙集；液压泵；故障诊断中图分类号：TH137.5文献标志码：A文章编号：1003－0794（2014）03－0247－03StudyonFaultDiagnosisofHydraulicPumpBasedonDataDinningTechnologyZHOUXu-guo(GuizhouIndustryPolytechnicCollege,Guiyang550008，China)Abstract:Thehydraulicpumpisamainpartofhydraulicsystem,thefaultofitwillaffecttheworkingperformanceofwholehydraulicsystem,andthereforethedatadinningtechnologyisappliedinthefaultdiagnosisofit.First,thetheorymodelofdatadinningisanalyzed,andthedatacleaning，datanormalization,datadispersionanddatadinningmethodbasedonfuzzyroughsetarediscussedrespectively.Second,thefaultdiagnosismodelofhydraulicpumpisconstructed.Finally,thefaultdiagnosissimulationofhydraulicpumpiscarriedout,andresultsshowthatthedatadinningtechnologycanobtainhighercorrectnessoffaultdiagnosis.Keywords:datadinningtechnology;fuzzyroughset;hydraulicpump;faultdiagnosisdoi:10.13436/j.mkjx.201403111247

虑采集数据的特征，当采集数据变化不大但对液压泵的运行状态影响很大时，可以选取较小的离散区间，从而能够准确地获得故障诊断结论，否则，选择较大的离散区间。（4）模糊粗糙集的数据挖掘方法模糊粗糙集是粗糙集理论的延伸，已知论域U，模糊集合定义为F（U），对于一个弱模糊划分定义Ai∈F（U），1≤i≤k，则ε=｛A1，A2，…，Ak｝表示一个弱模糊划分。并且满足条件∪suppAi=U式中Ai———U上的正则模糊集。已知两模糊集合A，B∈F（U），两模糊集合的关系可以利用包含度来表示，包含度D（A/B）=|n（A，B）|suppB，B≠准（4）进行计算，而n（A，B）＝｛x∈suppB|B（x）≤A（x）｝。ε答对模糊集X的上近似集合和下近似集合分别定义为Aσ（x）=∪｛Ai｜D（X/Ai）≥σ｝（5）Aτ（x）=∪｛Ai｜D（X/Ai）≥τ｝（6）式中Aσ（x）———上近似集合；Aτ（x）———下近似集合。决策系统的条件属性和决策属性均属于模糊集合。包含度能够体现按照属性集内的不同属性值可以判定归于或不归于模糊集的比率，为规则的约简提供了有利的依据。决策表能够有效地实现知识的表达。决策表的对象和决策规则是一一对应的，决策的定义为：已知信息系统S=（U，A），C为条件属性，D为决策属性，均为属于A的2个子集，C∪D＝A，C∩D＝准，则S为决策表。在决策过程，通过对决策表的约简能够在保持决策表功能不变的前提下条件属性更少，一致决策表的约简流程：①消除决策表中一列；②消除决策表中多余的行；③消除决策规则中属性的多余数值。2基于模糊粗糙集数据挖掘的液压泵故障诊断模型为了能够简化约简计算，可以应用差别矩阵，定义如下：已知知识表示系统S=（U，A），其中U＝｛u1，u2，…，un｝，ui（i=1，2，…，n）表示个体；A＝｛a1，a2，…，an｝，aj（j=1，2，…，m）表示个体的属性；S的差别矩阵定义为M（S）＝［cij］，其中cij表示xi和xj之间存在差异的属性集合。S对应的差别函数fM（S）表示布尔函数，其中包括m个变量｛ai|i=1，2，…，m｝，fM（S）表示∨cij的合取，∨cij表示cij中不同元素的析取。按照差别函数和约简的对应关系，信息系统S的约简步骤：①求出S的差别矩阵；②求出差别矩阵的差别函数；③求出差别函数的最小析取范式，对应一个约简。根据液压泵的故障类型构建相应的决策表，决策属性为E（滑靴松动）；条件属性为H（振动频率）、I（振动幅值）、J（油液的脉动频率）、L（油液压力）和K（振动加速度），决策表见表1。液压滑靴松动故障对应的决策表的差别矩阵见表2。表1液压滑靴松动故障对应的决策表表2液压滑靴松动故障决策表的差别矩阵根据表2，可知差别矩阵的核为{J}，差别函数为（H∧J）∨（J∧L），从而得到了2个简约，进而可以将表1约简，约简结果见表3和表4。表3约简（H，J）对应的约简表表4约简（J，L）对应的约简表液压泵的其他故障类型的决策表可以采取如下的方式进行约简：液压泵运行时的参数如果发生突变，离开参数波动的区间，则产生了相应故障的征兆，利用传感器对液压泵的运行参数进行数据采集，当某参数出现了突变，可以确定该参数对液压泵故障的影响，从而能够找出参数的变化原因，获得故障征兆，并且能够反馈给液压泵的操作维护人员进行及时地处理，从而能够有效地避免故障的发生。液压泵的故障诊断流程如图1所示。图1液压泵故障诊断流程3液压泵故障诊断实例以柱塞式液压泵为研究对象进行故障诊断仿真研究，液压泵的性能参数：1≤i≤kU/Au1u2u3u4u5H20102I10101J02011L10202K11210U/Au1u2u3u4u5u1H,J,LH,Lu2H,J,LJH,I,J,Lu3H,Lu4H,I,Lu5U/Au1u2u3u4u5H20102J02011K11210U/Au1u2u3u4u5J02011L10202K11210第35卷第03期Vol.35No.03基于数据挖掘技术的液压泵的故障诊断研究———周叙国液压泵运行状态参数的数据采集模糊粗糙集的数据挖掘算法设计知识提取故障诊断结果诊断结果反馈和验证248

转速/r·min－14500轴承的接触角/（°）0轴频率/Hz75液压泵的工作压力/MPa6轴承类型径向推力轴承柱塞的数量/个7轴承滚动体直径/mm6.75轴承节圆直径/mm38.5为了能够验证模糊粗糙集数据挖掘算法的有效性，同时利用传统粗糙集数据挖掘进行故障诊断。利用振动传感器采集液压泵的振动信号，液压泵的压力利用压力传感器采集，液压泵的温度利用温度传感器采集，采样频率取为180Hz，液压泵的故障诊断程序利用MATLAB软件编制。液压泵主要故障包括：滑靴松动、配流盘磨偏、轴承内环损伤、轴承外环损伤、吸入管道泄漏以及吸入管堵塞。首先，通过测试获得的数据转换为挖掘信息；其次，利用模糊粗糙集算法对数据进行知识提取；然后进行数据挖掘结果的一致性检查。液压泵的故障诊断结果见表5。从表5可以看出，利用模糊粗糙集数据挖掘对液压泵的故障诊断相对于粗糙集数据挖掘算法具有更高的故障诊断正确率，故障诊断正确率均＞95%，从而表明模糊粗糙集数据挖掘技术能够突破知识获取的屏障，可以准确地发现液压泵的故障，具有较为广阔的发展前景。表5液压泵的故障诊断结果参考文献：［1］刘玉娇，姚恩涛，徐红专.基于粒子滤波和自回归谱的液压泵故障诊断［J］.仪器仪表学报,2012,33(3):561-567.［2］侯澍,李友荣,刘光临.构建基于数据挖掘的风机远程监测与故障诊断平台［J］.风机技术,2006(2):31-34.［3］周飞鹏,郑昌祥,王宁.基于小波包分析的提升机液压泵故障研究［J］.煤矿机械,2011,32(2):246-247.［4］李洪燕,陈步英,赵美枝.数据挖掘技术在煤矿机械故障诊断中的应用［J］.煤矿机械,2012,33(12):259-261.作者简介：周叙国（1971-），贵州贵阳人，副教授，研究方向：图像识别、人工智能/数据挖掘.责任编辑：庞振峰收稿日期：2013－12－23!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!日文故障类型滑靴松动配流盘磨偏轴承内环损伤轴承外环损伤吸入管道泄漏吸入管堵塞粗糙集数据挖掘/%908991889290模糊粗糙集数据挖掘/%969596979697诊断正确率煤矿机械CoalMineMachineryVol.35No.03Mar.2014第35卷第03期2014年03月基于粗糙集理论的异步电机故障诊断研究张晓春，许允之，苗壮，丁鑫(中国矿业大学信息与电气工程学院，江苏徐州221116)摘要：分析了小波包能量和Park矢量提取电机故障特征信号的特点，然后使用粗糙集理论对数据建立决策表。在决策表约简的过程中，由于所需处理数据过多，属性约简过程应用了遗传算法。并介绍使用了基于粗糙集的数据处理软件—Rosetta。之后，经过进一步约简，得到简化的电机故障诊断的决策规则。最后通过实例进一步验证该方法，保证了该方法的可行性。关键词：异步电动机；小波包能量；Park矢量；粗糙集；遗传算法中图分类号：TM341文献标志码：A文章编号：1003－0794（2014）03－0249－04BasedonRoughSetTheoryAsynchronousMotorFaultDiagnosisZHANGXiao-chun，XUYun-zhi，MIAOZhuang，DINGXing(SchoolofInformationandElectricalEngineering，ChinaUniversityofMiningandTechnology，Xuzhou221116，China)Abstract：AnalyzeofthewaveletpacketenergyandParkfeaturevectorextractionmotorfaultsignalcharacteristics,andthenusethedatatoestablishroughsettheorydecisiontable.Decisiontablereductionintheprocess,astoomuchdataprocessingrequired,attributereductionprocessapplicationsofgeneticalgorithms.Anddescribestheuseofroughsetbaseddataprocessingsoftware-Rosetta.Later,afterfurtherreduction,simplifiedmotorfaultdiagnosisdecision-makingrules.Finally,anexampletofurthervalidatethemethod,toensurethefeasibilityofthemethod.Keywords：asynchronousmotor;waveletpacketenergy;Parkvector;roughset;geneticalgorithmdoi:10.13436/j.mkjx.2014031120引言在故障诊断中，由于故障产生的机理不清楚，表现形式具有不唯一性，有时是模糊的。在提取故障特征时，描述状态的特征很多，有些是相关的，有些是独立的。独立的特征能提供互补信息，应加以保留，相关性特征产生冗余信息，增加计算工作量，需要加以消除。粗糙集理论减少不确定因素的影响，在条件数据不完备的情况下能得到正确的249