基于数据挖掘技术的齿轮箱故障诊断研究与应用

摘要：

齿轮箱是化工设备中的重要传动部件,故障发生率比较高,其振动信号是非平稳、非线性的,故障部位、程度、类型等对特征参量影响很大.本文提出了基于Pawlak属性重要度的决策表的属性约简,得到所有保证不可分辨关系的断点,通过断点均分样本集、逐渐增加断点,动态地选择断点集,在信息系统分类能力不改变的情况下,使断点个数最少,最终得出诊断规则.和决策树的数据挖掘算法进行比较,准确率较高,说明该算法有一定的优越性和有效性.

关键词：数据挖掘、属性约简、齿轮箱、粗糙集理论

所属期刊栏目：48

分类号：TP23(自动化技术及设备)

资助基金：宁夏回族自治区自然科学基金项目;国家级大学生创新创业训练计划项目

在线出版日期：2020-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：123-126