張 倩

(河南經貿職業(yè)學院，河南 鄭州 450018)

隨著科學技術的進步，信息技術開始在旋轉機械故障診斷過程中發(fā)揮越來越重要的作用。實現(xiàn)對故障診斷知識的有效獲取，必須科學處理相關信息。然而，現(xiàn)階段我們在采用該技術進行知識庫構建、故障知識獲取、開展知識管理的過程中仍然存在很多問題，很難實現(xiàn)大的突破。

1 數(shù)據(jù)庫技術管理平臺介紹

SQL Server 2005 屬于關系數(shù)據(jù)庫管理系統(tǒng)的一種。在設計和實施數(shù)據(jù)挖掘系統(tǒng)的過程中，借助分析服務功能(AS)中各種數(shù)據(jù)挖掘技術能夠發(fā)揮良好的推動作用。該管理系統(tǒng)具備良好的報表服務功能，可以從某個數(shù)據(jù)集內順利找出數(shù)據(jù)模式，同時針對具體結果實施全面檢查分析，挖掘存在的問題，促進平臺的有效實現(xiàn)。

2 數(shù)據(jù)挖掘中的決策樹方法

決策樹屬于樹形結構圖的一種，通常選擇的是自上而下的樹形結構。對其具體結構進行詳細分析可知，決策樹的開始通常表現(xiàn)為根節(jié)點，針對某個屬性值集的測試，通常表現(xiàn)為具體的中間節(jié)點;針對具體的測試結果，通常以決策樹的分支進行表示，而針對具體類別，則以決策樹葉節(jié)點來表示。依靠決策樹方法，我們能夠實現(xiàn)對其類別因變量具體分布的全面分析，并根據(jù)具體的預測變量對個例的發(fā)展變化趨勢開展科學預測。

CART 以及C4.5 等均屬于常用的決策樹方法，此類方法一般在小規(guī)模數(shù)據(jù)集分析工作中的應用較為廣泛，通常很難針對海量數(shù)據(jù)進行有效分析。現(xiàn)階段，工程應用中充斥著各種復雜的數(shù)據(jù)挖掘工作，我們必須要對大量的數(shù)據(jù)集進行有效分析，才能促進工程應用的順利進行，以分類回歸算法作為基礎的可伸縮決策樹算法就是在這樣的情況下被提出的。此決策樹算法選擇借助數(shù)據(jù)分析，利用深度優(yōu)先策略，有效構建決策樹。這種方式能夠保證計算機在內存有效的情況下，針對大量記錄以及屬性開展訓練，在訓練過程中迅速而有效地在數(shù)據(jù)庫內開展數(shù)據(jù)集挖掘。因為該方法能夠克服普通挖掘算法中必須要多次訪問數(shù)據(jù)庫的弊端，可以大幅度減少錯誤的發(fā)生，因此受到越來越多用戶的青睞。

應用數(shù)據(jù)庫技術，能夠針對海量數(shù)據(jù)實現(xiàn)科學管理，創(chuàng)造良好的管理平臺，借助微軟決策方法，可以針對海量數(shù)據(jù)集的具體分析創(chuàng)造有效的方法途徑。為了實現(xiàn)對旋轉機械故障的有效獲取，進一步發(fā)展數(shù)據(jù)驅動，我們必須要全面了解旋轉機械故障知識以及數(shù)據(jù)庫技術的具體功能和特點，科學利用兩者的功能耦合技術，針對故障知識的自動化獲取制定科學的解決方案，同時針對具體工程應用方法開展深入研究。

3 基于數(shù)據(jù)挖掘的數(shù)據(jù)庫系統(tǒng)總體設計

3.1 數(shù)據(jù)庫系統(tǒng)的設計流程

為了能夠針對轉子故障特征數(shù)據(jù)資源進行有效分析，自動化獲取相關故障知識，我們對故障知識挖掘數(shù)據(jù)庫進行了設計和研究，具體設計流程如圖1所示。

圖1 系統(tǒng)設計及流程圖

對圖1 中相關流程進行分析，左側部分對SQL Server 平臺上的具體數(shù)據(jù)處理過程進行描述，主要包括數(shù)據(jù)庫的設計和構建、挖掘模塊的設計和構建以及數(shù)據(jù)挖掘三大部分。右側部分則針對數(shù)據(jù)庫的具體構建、數(shù)據(jù)挖掘模塊的具體設計以及數(shù)據(jù)挖掘和數(shù)據(jù)庫技術兩者的耦合技術設計及其實現(xiàn)過程進行描述。

3.2 基于數(shù)據(jù)挖掘的數(shù)據(jù)庫結構分析

圖2 數(shù)據(jù)功能模塊的具體結構

在數(shù)據(jù)挖掘的基礎上設計的數(shù)據(jù)庫結構中一般包括三大部分功能模塊，第一個模塊是特征數(shù)據(jù)庫，第二個模塊是故障案例庫，第三個模塊是診斷結論庫。數(shù)據(jù)功能模塊的具體結構如圖2 所示。其中，特征數(shù)據(jù)庫主要用于對采集獲得的特征數(shù)據(jù)集進行處理，之后妥善進行存放;故障案例庫中存放的故障案例類型是具有特殊要求的，要同時具備案例征兆表以及相應決策結果。前者主要針對規(guī)則中的條件內容進行存放，后者則針對決策結論內容進行存放，兩者均選擇“案例號”實現(xiàn)外鍵關聯(lián)。故障知識庫主要由故障案例庫以及診斷結論庫共同構成，針對知識庫的具體維護，一般要求針對具體案例進行添加以及修改，同時做出刪除處理以及保存處理。深入分析基于數(shù)據(jù)挖掘的數(shù)據(jù)庫，其數(shù)據(jù)源的存儲一般通過關系數(shù)據(jù)庫的方式來開展。對于關系數(shù)據(jù)庫來說，單一的關系就代表一個二維表，眾多的二維表共同構成數(shù)據(jù)庫，不同的二維表之間借助一樣的屬性名實現(xiàn)關聯(lián)。

針對數(shù)據(jù)挖掘模塊的具體設計，一般可以借助DMX 語言實現(xiàn)對其的有效創(chuàng)建以及處理，同時針對數(shù)據(jù)挖掘模塊開展瀏覽管理以及有效預測。此外，可以借助可視化界面完成手動操作。本次研究采用手動方式完成對數(shù)據(jù)挖掘模塊的構建，通過這種方式促進人機交互，同時對系統(tǒng)的具體運行過程進行實時監(jiān)測，針對系統(tǒng)運行中存在的問題進行診斷，科學調節(jié)系統(tǒng)性能。

3.3 針對決策樹挖掘模型進行科學構建

針對數(shù)據(jù)源進行科學創(chuàng)建，利用SQL Server 完成分析服務項目的創(chuàng)建，實現(xiàn)與數(shù)據(jù)庫的有效連接，科學創(chuàng)建數(shù)據(jù)源?；诋斚碌年P系數(shù)據(jù)源，確定哪些對象應該包含在數(shù)據(jù)源視圖當中，構建數(shù)據(jù)源視圖。

決策樹挖掘模型一定要包括有一個鍵列，包含幾個輸入列，并且具備一個可預測列，通過輸入列完成數(shù)據(jù)提供，以便開展信息預測工作，預測列一般存放各種挖掘模型需要預測的對象。程序針對不同數(shù)據(jù)列的具體屬性進行自動化檢測，之后針對數(shù)據(jù)類型開展科學定義，并將數(shù)據(jù)挖掘模型妥善保存，為協(xié)議階段的規(guī)則提取奠定基礎。

3.4 獲取診斷規(guī)則

針對數(shù)據(jù)挖掘模型進行有效部署以及處理，構建的決策樹可以通過挖掘模型查看器實現(xiàn)全面查看。對決策樹挖掘結果進行分析，可發(fā)現(xiàn)決策樹由各種拆分構成，能夠針對診斷規(guī)則進行有效顯示，從決策樹的根節(jié)點到決策樹的葉節(jié)點形成的路徑即屬于一條診斷規(guī)則。由決策樹的根節(jié)點至全部葉節(jié)點的路徑組合即為挖掘數(shù)據(jù)模型獲取的所有潛在診斷規(guī)則。

針對具體診斷規(guī)則進行有效提取，完成相應驗證之后能夠針對故障診斷工作提供良好依據(jù)，將其保存至診斷規(guī)則知識庫內，促進知識庫的進一步完善。

3.5 開展實驗驗證

為了分析和評價設計完成的系統(tǒng)針對轉子故障知識發(fā)現(xiàn)過程中的具體應用效果，應在轉子實驗臺中對不平衡故障進行有效模擬，針對具體設計系統(tǒng)實施實驗驗證。在實驗驗證環(huán)節(jié)中分析轉子振動信號的具體頻率特征，選擇其中幾種特征構建故障識別的具體特征模式。

［1］李鑫頡，賈振華，吳以嶺.數(shù)據(jù)挖掘方法在中醫(yī)醫(yī)案研究中的現(xiàn)狀分析［J］.中國中醫(yī)基礎醫(yī)學雜志，2012，14(1):45-46.

［2］杜芳芳.基于數(shù)據(jù)挖掘的采購決策系統(tǒng)設計［J］.中國商貿，2012，13(6):69-72.

［3］劉華.基于數(shù)據(jù)挖掘的數(shù)據(jù)庫營銷研究［J］.中國商貿，2012，20(3):205-210.

［4］張翼飛，趙凱.基于決策樹的轉子故障自動診斷研究［J］.計算機測量與控制，2013，16(9):114-115.

［5］劉鳳娟，李建磊.耦合故障轉子模型的分析［J］.電子測試，2013，14(12):96-99.