数据挖掘技术在邮件自动分拣机故障诊断中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 机械故障诊断技术概述 | 第8-11页 |
| 1.1.1 故障测试诊断的常规方法 | 第9页 |
| 1.1.2 故障测试诊断研究的内容 | 第9-11页 |
| 1.2 数据挖掘技术概述 | 第11-12页 |
| 1.2.1 数据挖掘的定义 | 第11页 |
| 1.2.2 数据挖掘的基本模型 | 第11-12页 |
| 1.3 现代物流技术及自动分拣机概述 | 第12-17页 |
| 1.3.1 现代物流技术发展概述 | 第12-13页 |
| 1.3.2 邮件自动分拣机概述 | 第13-17页 |
| 1.4 本文主要研究内容及结构安排 | 第17-20页 |
| 1.4.1 本文研究目标和主要内容 | 第17页 |
| 1.4.2 本文结构安排 | 第17-20页 |
| 第2章 数据挖掘技术方法研究 | 第20-28页 |
| 2.1 决策树 | 第20-21页 |
| 2.2 神经元网络 | 第21页 |
| 2.3 遗传算法 | 第21-22页 |
| 2.4 聚类 | 第22页 |
| 2.5 粗糙集算法 | 第22页 |
| 2.6 关联规则 | 第22-25页 |
| 2.6.1 定义 | 第22-24页 |
| 2.6.2 Apriori算法 | 第24-25页 |
| 2.7 本章小结 | 第25-28页 |
| 第3章 自动分拣机的故障特征分析及运行数据研究 | 第28-44页 |
| 3.1 故障情况汇总及原因分析 | 第28-30页 |
| 3.1.1 控制系统故障汇总及原因 | 第28-29页 |
| 3.1.2 机械系统故障汇总及原因 | 第29-30页 |
| 3.1.3 齿轮、轴承、轴故障汇总及原因 | 第30页 |
| 3.2 自动分拣机故障特征 | 第30-36页 |
| 3.2.1 控制系统故障特征 | 第30页 |
| 3.2.2 机械系统故障特征 | 第30-32页 |
| 3.2.3 齿轮、轴承、轴故障特征 | 第32-33页 |
| 3.2.4 时频域故障特征参量提取 | 第33-36页 |
| 3.3 主要监测的运行数据 | 第36-38页 |
| 3.3.1 分拣数据变量说明 | 第36-37页 |
| 3.3.2 同步数据变量说明 | 第37-38页 |
| 3.4 数据预处理 | 第38-42页 |
| 3.4.1 数据归约 | 第39页 |
| 3.4.2 空缺值处理 | 第39页 |
| 3.4.3 噪声处理 | 第39-41页 |
| 3.4.4 数据集成 | 第41页 |
| 3.4.5 数据规范化 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 数据挖掘技术在自动分拣机故障诊断中的应用 | 第44-62页 |
| 4.1 离散型变量的决策树模型分析 | 第44-50页 |
| 4.1.1 CHAID决策树模型分析 | 第44-47页 |
| 4.1.2 CRT决策树模型分析 | 第47-50页 |
| 4.2 连续型变量的决策树模型分析 | 第50-58页 |
| 4.2.1 时间差字段的频率统计分析 | 第50-56页 |
| 4.2.2 时间差字段的CHAID决策树模型分析 | 第56-58页 |
| 4.3 故障解决方案及效果 | 第58-61页 |
| 4.3.1 运用决策树模型对故障特征的分析 | 第58页 |
| 4.3.2 控制系统故障维修方案 | 第58-60页 |
| 4.3.3 机械系统故障维修方案 | 第60-61页 |
| 4.3.4 维修解决方案的效果 | 第61页 |
| 4.4 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |
