数据挖掘在某试车台监测系统中的应用研究

发布时间：2017-08-29 14:19

  本文关键词：数据挖掘在某试车台监测系统中的应用研究

  更多相关文章： 关联规则 数据挖掘 遗传算法 BP神经网络 振动预测 试车台

【摘要】：数据挖掘技术能够从大量数据中分析提取有用的信息,是数据库系统研究领域中一个新的研究方向,它可以为决策提供有力依据。本文以某型试车台监测系统为基础,将数据挖掘技术在航空发动机部件试车数据库的应用作了尝试性的研究。论文对数据挖掘技术的基本概念和一般知识进行了阐述,改进了相关算法进行并应用到试车台监测系统的数据挖掘中。本文的主要研究内容如下:为了发现某试车台监测系统中转速、振幅、温度等参量之间的关联关系,引入了关联规则对试车台监测系统数据库中的28个参数进行了关联挖掘,结果表明,得到的关联规则置信度和支持度均比较高,说明所挖掘出的规则是有效的。针对经典Apriori算法的效率不高的问题,提出了一种可以有效减小候选集的改进的Apriori算法,将其用于本试车监测系统挖掘,结果表明,与经典Apriori算法相比,在相同的支持度和置信度下,候选集规模得到有效降低,运算时间显著减少。为了解决航空发动机附件试车台中主要监测参数振幅与流量、压力等其它参数之间的关系难以用线性模型来预测的问题,建立了具有7-8-1结构经遗传算法(Genetic Algorithm,简称GA)优化过阈值和权值的遗传反向误差传播(Back Propagation,简称BP)神经网络。以输出转速,增压泵入口流量、增压泵入口温度、增压泵入口压力、增压级出口流量、增压级出口温度和增压级出口压力为网络输入,附件的径向振幅为网络输出建立预测模型。将训练后的网络用于某型航空发动机附件振动趋势的预测中,得到的预测值与实际值的误差符合要求。与传统的线性回归模型进行对比发现,遗传BP神经网络模型具有了更高的精确度,将其用于振动趋势的预测中是合适的,可行的。
【关键词】：关联规则 数据挖掘 遗传算法 BP神经网络 振动预测 试车台
【学位授予单位】：河南工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V263.4
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-16
• 1.1 课题来源9
• 1.2 课题研究背景及意义9-11
• 1.3 国内外研究现状11-12
• 1.4 研究内容及研究方法12-15
• 本章小结15-16
• 第二章 试车台监测系统简介16-22
• 2.1 航空部件监测系统简介16
• 2.2 试车台监测系统主要构成16-19
• 2.3 试车台主要监测参数19-21
• 本章小结21-22
• 第三章 数据挖掘技术概述22-34
• 3.1 数据挖掘技术22-24
• 3.2 关联规则概述24-29
• 3.2.1 关联规则挖掘24-25
• 3.2.2 关联规则的基本概念25-26
• 3.2.3 Apriori算法26-27
• 3.2.4 改进Apriori算法27-29
• 3.3 人工神经网络29-33
• 3.3.1 BP神经网络29-30
• 3.3.2 BP神经网络的基本结构30-31
• 3.3.3 BP神经网络的改进31-33
• 小结33-34
• 第四章 关联规则挖掘在试车台监测系统中的实现34-46
• 4.1 关联规则技术的原理及其方法34-35
• 4.2 Apriori算法的改进35-37
• 4.2.1 Apriori算法改进思路35
• 4.2.2 改进后算法描述35-36
• 4.2.3 改进后的Apriori算法举例36-37
• 4.2.4 改进的Apriori算法效果评价37
• 4.3 关联规则数据挖掘在试车台监测数据中的实现37-45
• 4.3.1 关联规则数据挖掘清洗集成37-40
• 4.3.2 数据选择和属性编码40-41
• 4.3.3 空缺值处理41-42
• 4.3.4 数据离散化42-44
• 4.3.5 关联规则数量的相关因素分析44
• 4.3.6 关联规则挖掘结果及分析44-45
• 本章小结45-46
• 第五章 基于遗传BP神经网络的试车台振动趋势预测46-59
• 5.1 遗传BP神经网络基本原理46-47
• 5.2 利用遗传算法确定BP神经网络初始权值和阈值47-49
• 5.3 遗传BP神经网络的建模49
• 5.4 遗传BP神经网络效果评价49-50
• 5.5 基于遗传BP神经网络的振动趋势预测建模50-56
• 5.5.1 样本选择50-51
• 5.5.2 试车过程51
• 5.5.3 数据初始化51-56
• 5.6 试车台状态预测及结果分析56
• 5.7 线性回归建模及其与遗传BP神经网络建模的比较56-57
• 本章小结57-59
• 结论与展望59-62
• 参考文献62-66
• 致谢66-67
• 个人简历67-68
• 附录一68-69
• 附录二69-70

【相似文献】

中国期刊全文数据库 前10条

1 乌英格;陈宝平;;数据挖掘在客户关系管理中的应用[J];内蒙古科技与经济;2005年24期

2 焦健;王祥;;数据挖掘在美国本土安全中的应用[J];舰船电子工程;2006年01期

3 杨洋;;Web数据挖掘的分析与探讨[J];装备制造技术;2006年05期

4 刘娟;;Web数据挖掘及其在个性化网上购物实现的探讨[J];企业技术开发;2007年07期

5 李世超;麦范金;;数据挖掘在现代企业经营管理中的应用[J];桂林航天工业高等专科学校学报;2008年04期

6 崔永君;;数据挖掘的系统构成与发展趋势[J];硅谷;2009年03期

7 侯晓凌;;浅谈数据挖掘[J];科学之友(B版);2009年04期

8 张涛;;Web数据挖掘现状分析[J];科学之友(B版);2009年06期

9 黄雄伟;陈定方;祖巧红;;Web数据挖掘可视化研究与应用[J];湖北工业大学学报;2009年04期

10 王岩;;数据挖掘领域探索[J];硅谷;2010年05期

中国重要会议论文全文数据库 前10条

1 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

2 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

3 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

4 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

5 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年

6 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

7 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 肖阳;李启贤;;数据挖掘在中国钢铁行业中的应用[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年

9 杨磊;王贵成;汪勇;张占胜;;SQL Server 2005在数据挖掘中的应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

中国重要报纸全文数据库 前10条

1 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

2 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年

3 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年

4 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年

5 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年

6 本报记者 连晓东;数据挖掘：金融信息化新热点[N];中国电子报;2002年

7 本报记者 凤小华 朱仁康;“数字挖掘软件”引领中国信息化新浪潮[N];中国电子报;2003年

8 本报记者　史延廷;“成功企业数据挖掘暨数量化管理论坛”在京举办[N];中国旅游报;2002年

9 朱小宁;数据挖掘：信息化战争的基础工程[N];解放军报;2005年

10 本报记者 王小平;从“大集中”走向数据挖掘[N];金融时报;2002年

中国博士学位论文全文数据库 前10条

1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

5 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

6 谢邦彦;整合数据挖掘与TRIZ理论的质量管理方法研究[D];首都经济贸易大学;2010年

7 李荣;生物信息数据挖掘若干关键问题研究与应用[D];复旦大学;2004年

8 李玉华;面向服务的数据挖掘关键技术研究[D];华中科技大学;2006年

9 吴少智;时间序列数据挖掘在生物医学中的应用研究[D];电子科技大学;2010年

10 王珊珊;知识指导下的数据挖掘在新闻和金融工具之间因果关系上的应用[D];中国科学技术大学;2009年

中国硕士学位论文全文数据库 前10条

1 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年

2 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年

3 焦亚召;基于多核函数FCM算法在数据挖掘聚类中的应用研究[D];昆明理工大学;2015年

4 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年

5 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年

6 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

7 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

8 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年

9 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年

10 位长帅;基于客户数据挖掘的电信客户关系管理研究[D];西南交通大学;2015年

，

本文编号：753735