【技术实现步骤摘要】
一种基于改进的Apriori算法的机床故障预测方法
本专利技术涉及机床故障诊断
，特别涉及一种基于改进的Apriori算法的机床故障预测方法。
技术介绍
随着工业4.0时代的到来，现代工业的科技水平也在不断提高，各种机电设备也逐步向着自动化、集中化、连续化和高速化等方向发展，这也导致了机电设备的故障率增加和诊断难度系数变高。特别是机床的损伤性故障或异常等，若检查不及时，就可能造成整个系统的失效，也会造成一定的工业生产经济损失。因此，对机床进行故障分析及预测就显得尤为重要了。通过对机床故障的预测分析，可以在一定程度上降低或者避免因机床损坏，而造成的工业生成中的经济损失。目前已有的预防技术有传统方法和在线监测方法两大类，其中传统技术是指由技术人员定期或不定期的对机床的噪声、温度、转速等状态因素进行判断，推测机床的健康状态；而在线检测方法主要通过相关系统实时监控主轴电流、扭矩、振动、声音和温度等机床状态，将采集到的数据进行分析判断，从而推断机床健康程度。传统方法存在技术人员的专业能力的主观因素，无法保证准确性，可靠性...
【技术保护点】
1.一种基于改进的Apriori算法的机床故障预测方法，其特征在于，包括以下步骤：/nA.搭建Hadoop系统，所述Hadoop系统包括：分布式文件系统HDFS、分布式非关系型数据库HBase，将采集到的海量机床数据存入分布式文件系统HDFS中；/nB.对分布式文件系统HDFS中的数据进行数据清洗，得到预处理后的机床数据，生成相应的候选1项集；/nC.设置Apriori算法的最小支持度min_sup和最小置信度min_conf，并扫描数据库HBase，根据改进的Apriori算法得到不同项数的频繁项集；/nD.通过频繁项集找出机床数据之间的关联规则以及对应的置信度大小；/n...
【技术特征摘要】
1.一种基于改进的Apriori算法的机床故障预测方法，其特征在于，包括以下步骤：
A.搭建Hadoop系统，所述Hadoop系统包括：分布式文件系统HDFS、分布式非关系型数据库HBase，将采集到的海量机床数据存入分布式文件系统HDFS中；
B.对分布式文件系统HDFS中的数据进行数据清洗，得到预处理后的机床数据，生成相应的候选1项集；
C.设置Apriori算法的最小支持度min_sup和最小置信度min_conf，并扫描数据库HBase，根据改进的Apriori算法得到不同项数的频繁项集；
D.通过频繁项集找出机床数据之间的关联规则以及对应的置信度大小；
E.将步骤D得出的结果与步骤C中的最小置信度对比，得到机床数据之间最终的强关联规则，即机床故障预测结果。
2.根据权利要求1所述的一种基于改进的Apriori算法的机床故障预测方法，其特征在于，所述步骤A中的Hadoop系统还包括：高效并行计算MapReduce架构，所述高效并行计算MapReduce架构用于并行计算Apriori算法的不同项数的频繁项集、关联规则以及对应置信度。
3.根据权利要求1所述的一种基于改进的Apriori算法的机床故障预测方法，其特征在于，所述步骤B中的数据清洗具体是将采集过程中不合理的数据进行处理，得到统一化的数据格式，并通过映射表建模抽象出对应的候选1项集。
4.根据权利要求3所述的一种基于改进的Apriori算法的机床故障预测方法，其特征在于，所述不合理的数据即乱码数据和含单位的数据。
5.根据权利要求1所述的一种基于改进的Apriori算法的机床故障预测方法，其特征在于，所述步骤C中的Apriori算法的支持度即为项集X在事务集D中的概率，所述频繁项集即为支持度不小于最小支持度min_sup的项集。
6.根据权利要求5所述的一种基于改进的Apriori算法的机床故障预测方法，其特征在于...
【专利技术属性】
技术研发人员：杜佼玲，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。