文档介绍：篧::.:.●
会私乏分刃疋学位论文作者签名:盈燕位学位论文作者签名:互燕龙日期ΓА西华大学学位论文版权使用授权书西华大学学位论文独创性声明作者郑重声明:所呈交的学位论文,是本人在导师的指导下进行研究工作所取得的成果。尽我所知,除文中已经注明引用内容和致谢的地方外,本论文不包含其他个人或集体已经发表的研究成果,也不包含其他已申请学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处,本人愿意承担相关法律责任。指导教师签名:日期:本学位论文作者完全了解学校有关保留、使用学位论文的规定,在校攻读学位期间论文工作的知识产权属于西华大学,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅,西华大学可以将本论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。C艿穆畚脑诮饷芎笞袷卮斯娑日期:诔Вご鏵凡锄//畓·
摘要随着信息技术的进步以及计算机技术和网络技术的迅速发展,水电机组故障诊断系统中采集的大量数据ㄍ臣剖荨⑹匝槭可以方便地被存储在各种数据库中。但采用传统的数据分析方法对这些数据进行分析和处理,不仅耗时而且难以有效地发现数据中隐含的知识。近几年,人工智能技术与数据库技术的交叉渗透取得了令人瞩目的进展,而基于人工智能技术与数据库技术而发展起来的数据挖掘技术也受到了人们的普遍关注。它所需要的基础条件如:海量数据集、先进计算机、成熟的数据挖掘方法等都已基本具备。所以,将数据挖掘技术应用于故障诊断系统中是可行的。本论文以某水电站状态监测系统数据库中存储的水电机组运行数据为样本数据,引入数据挖掘技术,从分析数据的角度上去挖掘各运行数据与机组状态之间的关系并建立相应的挖掘模型,该模型能够很好的解释水电机组的运行状态,同时可以运用挖掘模型提取的科学规律对机组未来的发展趋势进行预测。本文利用构建机组运行数据仓库,在数据准备过程中对数据进行预处理,提高了数据质量;通过对决策树算法、聚类分析算法、神经网络算法和时序算法的对比分析后,采用决策树算法和时序算法建立了水电机组数据挖掘模型;最后应用建立的数据挖掘模型对机组状态参数进行预测。通过现场数据验汪,其预测的准确性较高。这表明将数据挖掘技术与水电机组状态监测和故障诊断技术相结合是合理可行的,为水电机组状态监测和故障诊断系统知识获取提供了一个有效的解决方法。关键词:水电站;水轮发电机组;故障诊断;数据挖掘;西华大学硕士学位论文
.瑂篐水电机组故障诊断系统数据挖掘技术的研究;瓾,,甌琲籥琧琻籪,.琧·,.:甌,.瑃.,.,猵琣瑄,籋;
萃诰蚋攀觥数据挖掘的过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯数据准备⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..论文的主要研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..数据挖掘概念⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..数据挖掘的功能⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯数据挖掘的任务⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯数据挖掘的常用方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..址⒌缁檎穸收系幕纠砺邸水轮发电机组的结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⒌⒌缁榈牟贾梅绞健水轮发电机组振动故障的特点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..水轮发电机组振动故障的振因分析。⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.水轮发电机组振动故障的危害⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..收险锒舷低呈萃诰蚣际跤τ谩数据挖掘工具选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯数据挖掘模型建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.橹萃诰蛟词荨.Ⅱ
.⋯.‘⋯.模型应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...治龃碓词荨.⒛P汀处理和使用模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯总结与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯:⋯⋯⋯⋯⋯⋯⋯⋯总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯读硕士学位期间发表的论文及科研成果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..水电机组故障诊断系统数据挖掘技术的研究