基于数据挖掘的火电厂风机故障预警研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景和研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 本文研究工作 | 第13-15页 |
| 第2章 火电厂风机概述 | 第15-19页 |
| 2.1 风机特性及常见故障 | 第15-16页 |
| 2.2 一次风机结构 | 第16-17页 |
| 2.3 一次风机相关测点 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 数据挖掘技术 | 第19-30页 |
| 3.1 数据挖掘概述 | 第19-22页 |
| 3.1.1 数据挖掘概念 | 第19-21页 |
| 3.1.2 数据挖掘的任务 | 第21页 |
| 3.1.3 数据挖掘的方法和技术 | 第21-22页 |
| 3.2 关联规则 | 第22-29页 |
| 3.2.1 布尔型关联规则 | 第22-23页 |
| 3.2.2 关联规则中涉及的主要定义 | 第23页 |
| 3.2.3 Apriori算法 | 第23-26页 |
| 3.2.4 FPTree算法 | 第26-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 故障预警方法 | 第30-43页 |
| 4.1 数据准备 | 第30-38页 |
| 4.1.1 数据分析与选取 | 第30-33页 |
| 4.1.2 数据处理 | 第33-38页 |
| 4.2 关联规则库的建立 | 第38-40页 |
| 4.3 预警效果验证 | 第40-41页 |
| 4.4 本章小结 | 第41-43页 |
| 第5章 关联规则挖掘方法的改进 | 第43-53页 |
| 5.1 关联规则挖掘的改进思路 | 第43页 |
| 5.2 相关性分析 | 第43-45页 |
| 5.3 应用FCM算法将数量型属性模糊化 | 第45-47页 |
| 5.4 新数据库的构建 | 第47页 |
| 5.5 模糊关联规则 | 第47-50页 |
| 5.5.1 模糊关联规则相关定义 | 第47-48页 |
| 5.5.2 模糊关联规则的挖掘算法 | 第48-50页 |
| 5.6 实验验证 | 第50-52页 |
| 5.7 本章小结 | 第52-53页 |
| 第6章 结论与展望 | 第53-55页 |
| 6.1 主要工作及结论 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 在学期间发表的学术论文和参加科研情况 | 第59-60页 |
| 致谢 | 第60页 |
