安全设计机电设备论文提纲

论文题目：基于数据挖掘的煤矿机电设备运行状态预测方法研究

摘要：随着煤炭科技水平的不断提升,煤矿机电设备的安全可靠运行成为研究的热点。对于煤矿企业来说,机电设备的运行状态变化规律往往“隐喻”在大量复杂的数据中,需要深入研究煤矿机电设备状态信息的智能表征,从中挖掘出隐藏的价值信息,用此来表述机电设备的历史运行状态。通过历史的运行状态数据预知煤矿机电设备的未来运行状态、并对其进行健康状态评价,对机电设备采取相应的预防性措施,这己成为设备健康维护的基本模式。因此,本文深入研究基于数据挖掘的煤矿机电设备运行状态预测方法。首先,针对单一预测模型对煤矿机电设备运行状态预测精度低、适用性差的问题,深入分析ARIMA预测模型、灰色GM（1,1）预测模型以及BP神经网络预测模型的结构原理,提出AGB组合预测模型方法,通过调节各单一模型权重参数验证AGB组合预测模型预测精度。其次,针对煤矿机电设备运行状态数据量大、数据利用率低、单机进行海量数据挖掘速度慢等问题等,利用MapReduce技术,提出双MapReduce挖掘预测框架,建立双MapReduce的运行状态数据挖掘预测模型,利用MapReducel对监测数据的特征提取,利用MapReduce2对特征数据进行预测分析。在此基础上,对Map与Reduce实现过程进行设计。第三,针对煤矿机电设备健康状态评价量化难、且受主观影响大等问题,深入研究煤矿机电设备易发故障部位,建立健康状态评价体系,使用主成分分析法确定各评价指标,通过组合预测模型对采煤机健康状态评价指标进行预测;引入煤矿机电设备劣化度计算方法,构建多指标劣化度评价矩阵,利用AHP进行部件及各评价指标的权重确定,建立煤矿机电设备健康状态评价模型。最后,通过搭建Hadoop平台,揭示Hadoop集群节点与并行化处理速度之间的关系,验证了数据挖掘预测框架的高效性;对单一预测模型与提出的AGB组合预测模型进行实验对比分析,验证了AGB组合预测模型的预测精度。

关键词：煤矿机电设备;数据挖掘;双MapReduce;AGB组合预测;健康状态评价;Hadoop

学科专业：机械工程（专业学位）

摘要

abstract

1 绪论

1.1 本课题的研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 本课题研究领域国内外的研究现状

1.2.1 数据挖掘国内外研究现状

1.2.2 机电设备状态预测方法国内外研究现状

1.2.3 机电设备健康状态评价方法国内外研究现状

1.3 本文的主要研究内容

1.4 技术路线

2 煤矿机电设备运行状态预测建模

2.1 数据挖掘技术简介

2.1.1 时序数据挖掘技术

2.1.2 机电设备运行状态数据特征分析

2.1.3 聚类挖掘算法的适用性分析

2.2 聚类挖掘算法建模

2.2.1 K—Means挖掘算法建模

2.2.2 距离的度量

2.2.3 聚类效果评估

2.3 煤矿机电设备运行状态预测方法简介

2.3.1 煤矿机电设备运行状态预测技术简介

2.3.2 煤矿机电设备运行状态特点分析

2.4 单一挖掘预测模型建模

2.4.1 GM(1,1)模型建模

2.4.2 ARIMA建模

2.4.3 BP神经网络建模

2.5 模型验证

2.5.1 GM(1,1)模型验证

2.5.2 ARIMA模型验证

2.5.3 BP神经网络模型验证

2.6 本章小结

3 基于双MapReduce的数据挖掘预测建模

3.1 MapReduce简介

3.1.1 MapReduce概述

3.1.2 MapReduce工作流程

3.2 基于双MapReduce的数据挖掘预测框架设计

3.3 基于AGB组合预测模型的煤矿机电设备运行状态建模

3.3.1 平均值权重法

3.3.2 方差-协方差权重法

3.3.3 最优矩阵法

3.3.4 AGB组合预测建模

3.4 基于双MapReduce的煤矿机电设备数据挖掘预测建模

3.4.1 挖掘预测模型建模

3.4.2 Map过程设计

3.4.3 Reduce过程设计

3.5 本章小结

4 基于劣化度的煤矿机电设备健康状态评价

4.1 煤矿机电设备健康状态评价

4.1.1 健康状态评价指标选取

4.1.2 健康状态等级描述

4.2 劣化度及其计算方法

4.2.1 劣化度定义

4.2.2 劣化度的计算

4.3 层次分析法

4.3.1 单层次分析法

4.3.2 多层次分析法

4.4 设备健康状态评价模型建立

4.5 实验验证

4.6 本章小结

5 实验验证与分析

5.1 实验平台搭建

5.1.1 硬件配置

5.1.2 软件配置

5.2 挖掘预测模型验证

5.3 数据挖掘预测模型并行化实验及分析

5.4 本章小结

6 结论与展望

6.1 结论

6.2 展望

致谢

参考文献