基于信息融合与数据挖掘的采煤机故障特征提取与故障诊断方法研究开题报告.ppt

辽 宁 工 程 技 术 大 学 研究生论文选题报告及论文工作计划 研究生姓名 谢国民 学科(专业) 机械设计及理论 研究方向 机械设计与智能控制 指导教师 付 华 2010年 10 月 8 日 填 论文题目（或选题范围） 基于信息融合与数据挖掘的采煤机故障 特征提取和故障诊断方法研究 一、综 述： 1 前言 目前，在大型煤矿企业（及集团）的采煤机的状态检测和故障诊断领域，知识获取技术、信息综合利用以及诊断系统等方面才刚刚起步或者存在较多不完善。随着数据挖掘技术与信息融合理论的发展和完善，综合运用挖掘、融合技术和各种电子技术、通讯技术解决采煤机系统问题及构建分布时诊断系统已经成为当前采煤机故障诊断发展的主要趋势。为此本论文在国家自然科学基金“煤矿瓦斯融合决策与预测控制理论研究”以及辽宁省优秀人才项目“大型压铸机实时监控系统研究”和辽宁省重点攻关项目“煤矿综掘综采设备安全性研究”的支持下，以数据挖掘和信息融合为理论基础，数据库技术和网络技术为应用基础，对基于数据挖掘的的诊断方法、基于数据融合的诊断方法、决策预警的可靠性以及基于挖掘和融合的诊断系统的原型进行了理论上、和实现的研究，期待取得更新的突破进展和预期成果。 的故障诊断相关的内容，而煤炭生产企业并不能“去粗取精，去伪存真”，对此，以往的信号分析处理和人工智能方法已经不能够充分利用采集的振动、生产工艺参数等现场数据，不能够及时、准确发现重大故障隐患，状态监测和故障诊断特征获取与决策出现障碍。 数据挖掘，又称为数据库中知识发现 (Knowledge Discovery in Database, KDD)， 起始于二十世纪九十年代初期。目前主要应用在银行、保险、交通等领域。知识发现过程以下三个阶段组成：（1）数据准备，（2）数据挖掘，（3）结果表达和解释。数据挖掘可以与用户或知识库交互。 他不但能对海量数据进行关联、分类和模式预测，特别在高维海量数据分析、识别上表现出独有的优势。正因此为我们突破传统状态监测和故障诊断特征获取障碍提供了全新解决方案。 同时，在采煤机状态监测与故障诊断中，由于系统的大型化，结构复杂，多传感器必须采集振动、生产工艺等参量信号，但是这些信号与外环境的干扰、噪声信号一起被采集，加上系统导出数据、报警数据等，使得到初级采集信息更加丰富和层次不一。另方面，采煤机工作环境复杂，影响因素很多，同一种故障有很多表现类型，相同一种症状可能是几种故障共同作用的结果。 具体即监测信号和故障特征、故障特征与故障类别之间均为非线性映射，单凭一种或几种检测信号和诊断方法很难或无法准确实现故障诊断及预报。因此，对如此大量信息进行处理和综合利用成了未来一段时期内机械故障诊断研究的重点。 信息融合技术是近十多年来发展起来的信息综合处理技术，在人工智能、目标识别、医学诊断等领域已经开始得到广泛的研究利用，但在煤矿设备采煤机械故障诊断领域还是刚刚开始起步。 信息融合也称数据融合，是指多传感器的数据在一定准则下加以自动分析、综合以完成所需的决策和评估而进行的信息处理过程。信息融合最早用于军事领域，定义为一个处理探测、互联、估计以及组合多源信息和数据的多层次多方面过程，以便获得准确的状态和身份估计、完整而及时地反映战场态势和威胁估计。它强调信息融合的三个核心方面：第一，信息融合是在几个层次上完成对多源信息的处理过程，其中每一层次都表示不同级别的信息抽象；第二，信息融合包括探测、互联、相关、估计以及信息组合；第三，信息融合的结果包括较低层次上的状态和身份估计，以及较高层次上的整个战术态势估计。 随着信息技术的发展和普及，特别是信息通讯网络和信息高速公路的建设和应用，信息获取、综合分析和处理以及信息融合已经深入各行各业和社会的各个方面，为人们提供着决策支持。信息融合为采煤机故障诊断系统提供又一新的解决方法。 基于以上，本论文在国家自然科学基金项目和辽宁省科技攻关项目（2007231003）的资助下，以数据挖掘和信息融合为理论基础，主要研究采煤机系统的状态监测和故障诊断