基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对冲击、振动或变载荷环境等复杂工况下螺纹连接易失效,传统基于实验和仿真的方法无法高效、经济、准确地找出原因并对衰减进行预测的问题,本文利用人工智能技术在故障预测领域中的优势,提出一种基于数据挖掘的复杂工况螺纹连接力矩衰减预测方法.该方法从原始数据中挖掘其与螺纹连接故障的精确映射关系,准确找出螺纹连接发生失效的主要原因并对力矩衰减进行预测.首先,考虑导致文本极性变化的特殊语言结构,提出一种规则化故障量化方法;其次,结合螺纹连接力矩衰减专业领域词典,对螺纹连接力矩衰减进行基于文本描述的故障量化评级;再次,提出基于Logistic函数模型的特征构建方法并构建力矩衰减相关特征集;最后,建立基于随机森林和岭回归算法的Stacking集成学习预测模型.本文以重型卡车推力杆螺纹力矩衰减预测作为实际案例,验证了该方法的可行性和有效性,集成后的模型预测准确率较单一随机森林和岭回归算法模型平均提升了53.39%.
推荐文章
高维数据集中局部离散文本数据挖掘方法研究
高维数据
数据特征聚类
数据挖掘
关联规则
不确定噪声下海量文本数据的模糊挖掘算法研究
不确定噪声
海量文本数据
模糊数据挖掘算法
特征系数
关联规则
复杂工业过程中数据挖掘模型研究
数据
数据挖掘
复杂工业过程
大数据环境下的文本信息挖掘方法
大数据
文本信息
信息挖掘
查准率
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于文本数据挖掘的复杂工况螺纹连接力矩衰减预测方法
来源期刊 河南理工大学学报(自然科学版) 学科
关键词 文本数据挖掘 螺纹连接 力矩衰减 故障预测 Stacking集成学习
年,卷(期) 2021,(2) 所属期刊栏目 计算机·人工智能·大数据
研究方向 页码范围 142-151
页数 10页 分类号 TH165+.3|TH133.33
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (102)
共引文献  (34)
参考文献  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1969(2)
  • 参考文献(0)
  • 二级参考文献(2)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(11)
  • 参考文献(1)
  • 二级参考文献(10)
2008(6)
  • 参考文献(1)
  • 二级参考文献(5)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(5)
  • 参考文献(1)
  • 二级参考文献(4)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(7)
  • 参考文献(1)
  • 二级参考文献(6)
2013(6)
  • 参考文献(0)
  • 二级参考文献(6)
2014(9)
  • 参考文献(0)
  • 二级参考文献(9)
2015(11)
  • 参考文献(1)
  • 二级参考文献(10)
2016(11)
  • 参考文献(0)
  • 二级参考文献(11)
2017(2)
  • 参考文献(1)
  • 二级参考文献(1)
2018(8)
  • 参考文献(3)
  • 二级参考文献(5)
2019(5)
  • 参考文献(5)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
文本数据挖掘
螺纹连接
力矩衰减
故障预测
Stacking集成学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
河南理工大学学报(自然科学版)
双月刊
1673-9787
41-1384/N
16开
河南省焦作市世纪大道2001号
3891
1981
chi
出版文献量(篇)
3451
总下载数(次)
5
总被引数(次)
20072
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导