[发明专利]一种基于选择性磨损的设备最优维修时间预测方法

说明书

技术领域

本发明属于设备维修时间预测领域，涉及一种基于选择性磨损的设备最优维修时间预测方法。

背景技术

现代生产设备日益大型化和复杂化，设备故障现象也不断增多，且带来的损失也在增大。随着计算机的不断普及，关键设备大多采用状态维修方式代替了计划维修方式，而设备最优维修时间的预测是状态维修中最重要的问题之一。在状态维修中设备最优维修时间的预测主要取决于实际监测的数据，如果预测最优维修时间过于考前会因停机检修、过早更换部件等问题带来经济损失，而预测最优维修时间过于靠后，会因可能发生的功能性故障风险过大带来损失。因此，如何准确的预测设备最优维修时间成为研究热点，现有的方法在实际的应用中都取得了一定的效果，但是存在着一些局限性，主要如下：

1、各种信息检测手段和预测方法都未能将诊断对象看成一个有机的整体，未能有效的考虑设备的各个部件之间可能存在的相互联系和影响。

2、难以处理多种故障并存的复杂情况。

在实际的设备故障演变过程中，系统的各个部件之间有着紧密的联系，各种故障经常同时发生，因此现有技术方法还很难得到较为准确的预测值。

关联规则(Association Rule)是为了挖掘出隐藏在数据之间的相互关系，找出所有能把一组事件或数据项与另一组事件或数据项联系起来的规则。

挖掘关联规则的基本思路：给定一个事务集，挖掘关联规则的任务就是生成支持度(support)和置信度(confidence)分别大于用户给定的最小支持度(minsupp)和最小置信度(minconf)的关联规则。满足最小支持度、最小置信度和相关度要求的规则称为强规则。寻找出所有有效的强规则就是关联规则数据挖掘要完成的任务。

设数据事物集D，I＝{i₁，i₂，…，i_m}是项的集合，其中的元素称为项(item)。记D为交易T的集合，这里交易T是项的集合，并且对应每一个交易有唯一的标识。设x是一个I中项的集合，如果那么称交易T包含x。

一个关联规则是形如的蕴涵式，这里并且x∩y＝Ф。

定义一：在事物数据库D中的支持度是事物集中包含x和y的事物数与所有事物数之比，记为support(x∪y)，即：

support(x∪y)=|{T:x∪y⊆T,T∈D}|/|D|]]>

定义二：在事物集中的可信度是指包含x和y的事务数与包含x的事物数之比，记为即：

confidence(x⇒y)=|{T:x∪y⊆T,T∈D}|/|{T:x⊆T,T∈D}|]]>

定义三：若X∪Y是频繁项目集，则置信度不低于最低置信阈值minconf。