數據挖掘技術在礦山機械故障診斷中的應用研究

摘 要：本文主要分析了數據挖掘技術在礦山機械故障診斷中的應用現狀與相關問題，重點介紹了幾種全新的數據挖掘技術應用方法方式，數據挖掘技術的應用不僅能夠克服礦山機械故障診斷中存在的不足和缺點，而且具有多種特有的優勢與優點。通過對數據挖掘技術在礦山機械故障診斷中的應用研究，以期為礦山的安全生產提供可靠的保障，創造出最大化的經濟與社會效益。

關鍵詞：數據挖掘技術;礦山機械;故障診斷;應用方法;分析研究

隨著我國社會的不斷發展進步以及經濟水平的迅速提高，我國對于煤炭資源能源的需求也在快速上漲，我國礦山開采的數量與規模呈現出快速增加的趨勢。而近些年來我國科學技術水平的進步與上升，使得我國工業生產向著大型化、高速化、連續化、智能化、專業化、自動化的方向進步發展，但是我國工業的發展，以及機械工業設備的應用增多，也帶來了機械設備故障問題。在礦山相關工作中，一旦機械設備出現故障問題，將會嚴重影響相關工作的質量與效率，嚴重情況下甚至會帶來安全事故，危害著相關工作人員的生產財產安全。數據挖掘技術是我國當前科學技術發展的一個重要技術產物，有諸多的特點特性，而將數據挖掘技術應用在礦山機械故障診斷中，能夠從多個方面提高故障診斷的效率與水平。因此，文章對數據挖掘技術在礦山機械故障診斷中的應用進行分析研究，有著現實的價值和意義。

1 數據挖掘技術概述

數據挖掘技術也就是數據分析及采集技術，這一技術是從大量而廣泛的信息中獲得獲取真實有效且可用的信息數據。在數據的采集收集實踐中，由于部分數據信息未經過降噪處理，是一種模糊數據，這種數據隱藏在廣泛而海量的數據中，為了實現數據信息的精準精確提取和判定，必須要對其進行剔除，從而保證數據提取的高效性。

1.1 問題定義

海量的數據信息在總體較為細微的層面層次中會出現極微小的浮動與變化，數據信息專家則需要在海量的數據信息中對信息進行甄別篩選，但是這一傳統的人工數據采集技術，存在著準確性較低、采集效率低等問題，而數據挖掘技術則能夠有效地解決這一問題。

1.2 數據準備

數據挖掘技術中的檢測系統能夠高效而快速地獲取信息數據，并且其采集到的信息類型有著顯著的復雜性、系統性與多樣性的特點，在具體的使用中，其控制難度較高。而為解決這一問題，則需要實現數據挖掘目標的快速定位，而實現數據信息的快速定位，可以先行對數據信息進行預處理與轉化。

1.3 數據挖掘與結果分析評估

在實際的數據挖掘過程中，可以使用規則學習或是決策樹等多種方法進行分析統計，并且保證不進行重復，實現潛藏信息的挖掘。在滿足持續檢測的要求下，數據挖掘所獲得信息數據也將會出現不同程度的變化與發展，海量的數據信息分析必須要借助數據建模技術，在經歷過多次反復的建模論證后，才能夠保證新獲取的信息數據的準確性，從而獲得精準的診斷效果。

2 數據挖掘常用技術

數據挖掘在實際的應用中，必須要選擇合適合理的技術，數據挖掘技術的選擇直接影響甚至決定著挖掘信息的總體質量高低。當前數據挖掘中的常用技術主要有以下幾種。

2.1 粗糙集理論

粗糙度集是應用在研究不確定性及模糊數學中的最為常用而典型的一種理論，也是一種性價比高的計算與分析工具。一般而言，粗糙集理論有著以下的優勢：算法結構簡單、操作簡便、分析成本低、分析流程以及步驟簡化等。

2.2 技術為決策樹技術

決策樹法是一種常用的預測模型算法，其能夠實現大量的數據的實時與快速分類，提升信息數據處理的效率。決策樹分析的優勢優點在于其功能簡單、類型劃分速率快等。

2.3 技術為人工神經元網絡技術

基于神經元網絡分析技術是當前數據分析以及數據挖掘中的關鍵技術，也是應用最為廣泛和普遍的一種分析方法。人工神經元網絡分析技術的原理就是借助仿生學的基本原理，模仿人體的神經系統建立相應的數據信息庫，從而實現對數據信息庫內數據的實時采集與甄別遴選。人工神經網絡元分析技術能夠在機械故障情況存在的情況下實現精確的預判，因此在處理某些故障問題中有著良好的適用性。但是其內部結構并不透明，并不適用于維度較高的數據分析中。

2.4 算法為遺傳算法

遺傳分析法與神經網絡分析法存在著一定的相似性，遺傳分析法是一種基于生物學基本理論的技術，借鑒了自然選擇法則與遺傳學中的隨機搜尋基本理論。遺傳分析法有著顯著隱藏性以及并行的特點，其分析模型能夠很好地應用在數據挖掘中。

3 數據挖掘技術在礦山機械設備故障診斷中的應用分析

當前我國數據挖掘技術在礦山機械設備故障診斷中的應用還存在一定的不足，在這一背景下，對數據挖掘技術在礦山機械設備故障診斷中的應用方法進行分析和優化，成為了一個關鍵的問題。文章本部分將對數據挖掘技術在礦山機械設備故障診斷中的應用方法進行探析。

3.1 狀態數據挖掘

在不同的礦山作業環境中，礦山機械設備的功能與作用也不盡相同，從礦山機械設備的應用角度進行分析，不同機械設備通過數據挖掘技術對數據信息收集的方式也并不相同。在對礦山機械設備的數據信息進行處理時，數據挖掘技術能夠穩定與有序地對數據信息進行甄別遴選與分析處理，并將相關數據傳輸至礦山數據控制中心中，準確地發出礦山開采工作的信息數據。

3.2 故障診斷原理與應用技術

礦山機械設備出現故障問題時，將會嚴重影響礦山工作的效率與質量，嚴重情況下甚至會危害到相關工作人員的生命安全。因此必須要對礦山機械故障診斷問題進行關注和重視。數據挖掘技術在礦山機械設備故障診斷中的應用原理基本模式是識別，通過對機械設備進行統一地分析，從而識別出其中出現故障問題的機械設備。在對礦山機械故障進行診斷中，首先需要對礦山相關設備運行的參數進行提取，將所有數據進行采集，從而保證信息數據參數的全面性。在此基礎上，相關技術人員可以將提取的數據參數進行詳細分析，從而準確找出機械設備的故障問題與故障區域部分。當不同礦山機械出現故障問題時，需要根據實際的故障問題情況分類進行問題故障的處理與修復。利用決策樹的方法則需要注意應用的規范性，而利用遺傳算法的分析技術時則需要注意設備故障所對應的技術要求，而利用粗糙集技術進行礦山機械故障診斷分析時，需要重視其原理構造等方面。

數據挖掘技術在進行實際應用時，可以根據優化與處理對象的不同，采取不同的優化措施，從而實現礦山機械設備的優化處理控制。數據挖掘技術對故障的診斷應用，其本質是將礦山機械運行的歷史數據與參數進行全方面的篩選與甄別，并對故障問題進行及時報備。這樣的技術本質不僅能夠第一時間解決機械設備的故障問題，應能夠在礦山機械故障診斷中優化其工作方式，提高工作效率。

3.3 數據挖掘技術故障診斷建模

在數據挖掘在對礦山機械故障進行診斷時，需要對礦山機械設備的相關數據進行獲取，包括機械設備運行的歷史數據信息參數以及出現故障問題時的故障信息數據參數。在數據信息采集獲取后，數據挖掘技術就需要根據實際選用的技術進行統一建模，一般建模的方式為采用粗糙集與決策樹兩種理論技術融合進行建模，這兩種技術理論的組合結合能夠使數據保持原有的順序，防止其出現紊亂雜亂的問題現象。

4結語

總而言之，數據挖掘技術在礦山機械故障診斷中有著廣闊的應用空間與發展前景。其結合融合了人工智能、計算智能、數理統計等先進的科學技術，在礦山機械出現故障問題時，應用數據挖掘技術能夠有效地對其進行診斷，幫助分析故障問題原因與具體部位，從而提高故障問題解決的效率與質量。文章對其在礦山機械故障診斷中的應用進行闡述，希望能夠幫助提高礦山工作水平。

參考文獻：

[1]李洪燕，陳步英，趙美枝等.數據挖掘技術在煤礦機械故障診斷中的應用[J].煤礦機械，2012，33（12）：259-261.

[2]劉松，趙子奇，謝斌等.數據挖掘技術在煤礦機械故障診斷中的應用初探[J].建筑工程技術與設計，2016（31）：403.

[3]蘇曦.數據挖掘技術在機械設備故障診斷中的應用[J].自動化與儀器儀表，2015（1）：127-128，130.

作者簡介：

朱永（1990- ），男，山西朔州人，2020年1月畢業于太原理工大學采礦工程專業，助理工程師，現從事煤礦機械工作。