刘少武,张继福,高崇仁

(太原科技大学,太原030024)

起重机械是一种应用广泛的特种设备,其安全运行显得非常重要。为此特检院会对其进行安全检验,这样会积累大量关于其安全性检验的故障、缺陷、失效相关数据。目前对起重机械的检验检测还是采取人工拿仪器检验、人工记录、人工判断有无问题等比较原始的方法,效率非常低,对以前检验的数据也只是做了一些传统的统计报表,没有充分利用。随着起重机械数量的增加,应用复杂性的增加,对其安全性检验的任务越来越多,检验要求越来越苛刻。因此快速、高效的找出起重机械的故障、缺陷、失效,分析它们之间的关联性[1-2],并提出改进和预防措施,对保障起重机械的日常正常工作,提高运行的可靠性有着重要的意义。

数据挖掘[3](Data Mining)是从存放在数据或其他信息库中的大量的数据中,获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘技术在起重机械检验中应用方向主要是检修决策、故障诊断、部件管理等。本文介绍了利用决策树分类和关联规则等数据挖掘技术,开发出的起重机械检验数据挖掘系统,包括系统的结构及功能,数据库的设计、数据的预处理、数据挖掘技术和运行的结果。在系统中用决策树的C4.5算法实现对起重机械故障诊断,用关联规则算法FP_growth实现缺陷、失效相关性分析、预测。开发系统的目的和意义在于为检验起重机械安全运行性提供了一种有效决策模型。……