一種基于改進的Apriori算法的機床故障預測方法

Submitted by neurta on Mon, 01/20/2020 - 10:02
數據收集

技術領域

本發明涉及機床故障診斷技術領域,特別涉及一種基于改進的Apriori算法的機床故障預測方法

背景技術

隨著工業4.0時代的到來,現代工業的科技水平也在不斷提高,各種機電設備也逐步向著自動化、集中化、連續化和高速化等方向發展,這也導致了機電設備的故障率增加和診斷難度系數變高。特別是機床的損傷性故障或異常等,若檢查不及時, 就可能造成整個系統的失效,也會造成一定的工業生產經濟的損失。因此,對機床進行故障分析及預測就顯得尤為重要了。

通過對機床故障的預測分析,可以在一定程度上降低或者避免因機床損失,而造成的工業生成中的經濟損失。目前已有的預防技術有傳統方法和在線監測方法兩大類,其中傳統技術是指由技術人員定期或不定期的對機床的噪音、溫度、轉速等狀態因素進行判斷,推測機床的健康狀態;而在線檢測方法主要通過相關系統實時監控主軸電流、扭矩、振動、聲音和溫度等機床狀態,將采集到的數據進行分析判斷,從而推斷機床健康程度。傳統方法存在技術人員的專業能力的主觀因素,無法保證準確性,可靠性差且效率低;而在線監測方法,實時性要求高,隨著機床數據的不斷增加,傳統的集中式數據庫技術會給網絡流量和服務器帶來一定的壓力。

內容

本發明的目的是克服上述背景技術中的不足,提供一種基于改進的Apriori算法的機床故障預測方法,基于大數據技術和關聯數據挖掘技術,使用Hadoop分布式系統存儲海量機床數據,并使用Apriori算法進行關聯數據挖掘,使用Hadoop分布式系統存儲海量機床數據,并使用Apriori算法進行關聯數據挖掘,對機床數據進行分析,得出相應的預測結果。

為了達到上述的技術效果,具體技術方案:

A.搭建Hadoop系統,所述Hadoop系統包括:分布式文件系統hdfs、分布式非關系型數據庫HBase(分布式文件系統hdfs用于存儲機床數據,分布式非關系型數據庫Hbase用于訪問和讀寫處理文件系統中的機床數據),將采集到的海量機床數據存入分布式文件系統hdfs中:

B.對分布式文件系統hdfs中的數據進行數據清洗,得到預處理后的機床數據,生成相應的侯選集;

c.設置Apriori算法的最小支持度min_sup和最小置信度min_conf,并掃描數據庫Hbase,根據改進的Apriori算法得到不同項數的頻繁項集

d.通過頻繁項集找出機床數據之間的關聯規則以及對應的置信度大??;

e.將步驟d得出的結果與步驟c中的最小置信度對比,得到機床數據之間最終的強關聯規則,即機床故障預測結果。

進一步地,所述步驟A中的Hadoop系統還包括:高效并行計算MapReduce架構,所述高效并行計算MapReduce架構用于并行計算Apriori算法的不同項數的頻繁項集、關聯規則以及對應置信度。

進一步地,所述步驟B中的數據清洗具體是將采集過程中不合理的數據進行處理,得到統一化的數據格式,并通過映射表建模抽象出對應的候選1項集。

?

冯仰妍破处门