基于数据挖掘技术的齿轮箱故障诊断研究与应用

• 作者: 侯国安 张浩 李国庆
• 来源期刊: 广州化工
• 学科: 工学
• 关键词: 数据挖掘 属性约简 齿轮箱 粗糙集理论
• 年，卷（期）: 2020,（16）
• 所属期刊栏目: 化工机械
• 页码范围: 123-126
• 页数: 4页
• 分类号: TP23
• 字数: 3378字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯国安		15	14	2.0	3.0
2	李国庆		1	0	0.0	0.0
3	张浩		1	0	0.0	0.0