数据挖掘技术在矿山机械故障诊断中的应用研究

摘 要：本文主要分析了数据挖掘技术在矿山机械故障诊断中的应用现状与相关问题，重点介绍了几种全新的数据挖掘技术应用方法方式，数据挖掘技术的应用不仅能够克服矿山机械故障诊断中存在的不足和缺点，而且具有多种特有的优势与优点。通过对数据挖掘技术在矿山机械故障诊断中的应用研究，以期为矿山的安全生产提供可靠的保障，创造出最大化的经济与社会效益。

关键词：数据挖掘技术;矿山机械;故障诊断;应用方法;分析研究

随着我国社会的不断发展进步以及经济水平的迅速提高，我国对于煤炭资源能源的需求也在快速上涨，我国矿山开采的数量与规模呈现出快速增加的趋势。而近些年来我国科学技术水平的进步与上升，使得我国工业生产向着大型化、高速化、连续化、智能化、专业化、自动化的方向进步发展，但是我国工业的发展，以及机械工业设备的应用增多，也带来了机械设备故障问题。在矿山相关工作中，一旦机械设备出现故障问题，将会严重影响相关工作的质量与效率，严重情况下甚至会带来安全事故，危害着相关工作人员的生产财产安全。数据挖掘技术是我国当前科学技术发展的一个重要技术产物，有诸多的特点特性，而将数据挖掘技术应用在矿山机械故障诊断中，能够从多个方面提高故障诊断的效率与水平。因此，文章对数据挖掘技术在矿山机械故障诊断中的应用进行分析研究，有着现实的价值和意义。

1 数据挖掘技术概述

数据挖掘技术也就是数据分析及采集技术，这一技术是从大量而广泛的信息中获得获取真实有效且可用的信息数据。在数据的采集收集实践中，由于部分数据信息未经过降噪处理，是一种模糊数据，这种数据隐藏在广泛而海量的数据中，为了实现数据信息的精准精确提取和判定，必须要对其进行剔除，从而保证数据提取的高效性。

1.1 问题定义

海量的数据信息在总体较为细微的层面层次中会出现极微小的浮动与变化，数据信息专家则需要在海量的数据信息中对信息进行甄别筛选，但是这一传统的人工数据采集技术，存在着准确性较低、采集效率低等问题，而数据挖掘技术则能够有效地解决这一问题。

1.2 数据准备

数据挖掘技术中的检测系统能够高效而快速地获取信息数据，并且其采集到的信息类型有着显著的复杂性、系统性与多样性的特点，在具体的使用中，其控制难度较高。而为解决这一问题，则需要实现数据挖掘目标的快速定位，而实现数据信息的快速定位，可以先行对数据信息进行预处理与转化。

1.3 数据挖掘与结果分析评估

在实际的数据挖掘过程中，可以使用规则学习或是决策树等多种方法进行分析统计，并且保证不进行重复，实现潜藏信息的挖掘。在满足持续检测的要求下，数据挖掘所获得信息数据也将会出现不同程度的变化与发展，海量的数据信息分析必须要借助数据建模技术，在经历过多次反复的建模论证后，才能够保证新获取的信息数据的准确性，从而获得精准的诊断效果。

2 数据挖掘常用技术

数据挖掘在实际的应用中，必须要选择合适合理的技术，数据挖掘技术的选择直接影响甚至决定着挖掘信息的总体质量高低。当前数据挖掘中的常用技术主要有以下几种。

2.1 粗糙集理论

粗糙度集是应用在研究不确定性及模糊数学中的最为常用而典型的一种理论，也是一种性价比高的计算与分析工具。一般而言，粗糙集理论有着以下的优势：算法结构简单、操作简便、分析成本低、分析流程以及步骤简化等。

2.2 技术为决策树技术

决策树法是一种常用的预测模型算法，其能够实现大量的数据的实时与快速分类，提升信息数据处理的效率。决策树分析的优势优点在于其功能简单、类型划分速率快等。

2.3 技术为人工神经元网络技术

基于神经元网络分析技术是当前数据分析以及数据挖掘中的关键技术，也是应用最为广泛和普遍的一种分析方法。人工神经元网络分析技术的原理就是借助仿生学的基本原理，模仿人体的神经系统建立相应的数据信息库，从而实现对数据信息库内数据的实时采集与甄别遴选。人工神经网络元分析技术能够在机械故障情况存在的情况下实现精确的预判，因此在处理某些故障问题中有着良好的适用性。但是其内部结构并不透明，并不适用于维度较高的数据分析中。

2.4 算法为遗传算法

遗传分析法与神经网络分析法存在着一定的相似性，遗传分析法是一种基于生物学基本理论的技术，借鉴了自然选择法则与遗传学中的随机搜寻基本理论。遗传分析法有着显著隐藏性以及并行的特点，其分析模型能够很好地应用在数据挖掘中。

3 数据挖掘技术在矿山机械设备故障诊断中的应用分析

当前我国数据挖掘技术在矿山机械设备故障诊断中的应用还存在一定的不足，在这一背景下，对数据挖掘技术在矿山机械设备故障诊断中的应用方法进行分析和优化，成为了一个关键的问题。文章本部分将对数据挖掘技术在矿山机械设备故障诊断中的应用方法进行探析。

3.1 状态数据挖掘

在不同的矿山作业环境中，矿山机械设备的功能与作用也不尽相同，从矿山机械设备的应用角度进行分析，不同机械设备通过数据挖掘技术对数据信息收集的方式也并不相同。在对矿山机械设备的数据信息进行处理时，数据挖掘技术能够稳定与有序地对数据信息进行甄别遴选与分析处理，并将相关数据传输至矿山数据控制中心中，准确地发出矿山开采工作的信息数据。

3.2 故障诊断原理与应用技术

矿山机械设备出现故障问题时，将会严重影响矿山工作的效率与质量，严重情况下甚至会危害到相关工作人员的生命安全。因此必须要对矿山机械故障诊断问题进行关注和重视。数据挖掘技术在矿山机械设备故障诊断中的应用原理基本模式是识别，通过对机械设备进行统一地分析，从而识别出其中出现故障问题的机械设备。在对矿山机械故障进行诊断中，首先需要对矿山相关设备运行的参数进行提取，将所有数据进行采集，从而保证信息数据参数的全面性。在此基础上，相关技术人员可以将提取的数据参数进行详细分析，从而准确找出机械设备的故障问题与故障区域部分。当不同矿山机械出现故障问题时，需要根据实际的故障问题情况分类进行问题故障的处理与修复。利用决策树的方法则需要注意应用的规范性，而利用遗传算法的分析技术时则需要注意设备故障所对应的技术要求，而利用粗糙集技术进行矿山机械故障诊断分析时，需要重视其原理构造等方面。

数据挖掘技术在进行实际应用时，可以根据优化与处理对象的不同，采取不同的优化措施，从而实现矿山机械设备的优化处理控制。数据挖掘技术对故障的诊断应用，其本质是将矿山机械运行的历史数据与参数进行全方面的筛选与甄别，并对故障问题进行及时报备。这样的技术本质不仅能够第一时间解决机械设备的故障问题，应能够在矿山机械故障診断中优化其工作方式，提高工作效率。

3.3 数据挖掘技术故障诊断建模

在数据挖掘在对矿山机械故障进行诊断时，需要对矿山机械设备的相关数据进行获取，包括机械设备运行的历史数据信息参数以及出现故障问题时的故障信息数据参数。在数据信息采集获取后，数据挖掘技术就需要根据实际选用的技术进行统一建模，一般建模的方式为采用粗糙集与决策树两种理论技术融合进行建模，这两种技术理论的组合结合能够使数据保持原有的顺序，防止其出现紊乱杂乱的问题现象。

4结语

总而言之，数据挖掘技术在矿山机械故障诊断中有着广阔的应用空间与发展前景。其结合融合了人工智能、计算智能、数理统计等先进的科学技术，在矿山机械出现故障问题时，应用数据挖掘技术能够有效地对其进行诊断，帮助分析故障问题原因与具体部位，从而提高故障问题解决的效率与质量。文章对其在矿山机械故障诊断中的应用进行阐述，希望能够帮助提高矿山工作水平。

参考文献：

[1]李洪燕，陈步英，赵美枝等.数据挖掘技术在煤矿机械故障诊断中的应用[J].煤矿机械，2012，33（12）：259-261.

[2]刘松，赵子奇，谢斌等.数据挖掘技术在煤矿机械故障诊断中的应用初探[J].建筑工程技术与设计，2016（31）：403.

[3]苏曦.数据挖掘技术在机械设备故障诊断中的应用[J].自动化与仪器仪表，2015（1）：127-128，130.

作者简介：

朱永（1990- ），男，山西朔州人，2020年1月毕业于太原理工大学采矿工程专业，助理工程师，现从事煤矿机械工作。