针对在多工况、多不确定性参数所形成的大数据下齿轮传动系统啮合接触特性分析困难的问题,提出了一种基于数据挖掘技术的齿轮传动系统啮合接触特性分析方法。基于多维高斯分布原理与齿轮传动系统有限元模型,构建了系统啮合接触特性数据集;采用最大信息系数分析了各系统参数与啮合接触特性之间的相关性,为预测模型提供了候选特征子集;采用支持向量机和随机森林算法建立了系统啮合接触特性预测模型,实现了对系统啮合接触特性的高效预测。结果表明,基于支持向量机算法的预测模型的预测误差最小,平均绝对百分比误差为3.87%,远小于理论计算误差。其中,在最优特征子集下,基于支持向量机算法的预测模型的各项接触特性预测误差指标显著下降,其平均绝对百分比误差降至3.03%,比优化前的接触特性预测误差减小了21.71%,验证了所提方法的精确...

在研究和分析现有的Apriori算法后，提出一种新的改进算法。该算法在哈希表存放数据库的基础上，采用二进制的改进模型。在统计查找频繁项集的支持计数中，通过二进制位与运算代替链表间查找相同内容的节点运算。为提高内存分配和释放效率，文中采用内存池技术，有效地减少内存碎片和缺页中断，采用二进制的改进模型和内存池技术相结合，明显提高了客户满意度评测系统的效率。

基于远场涡流法对管道缺陷进行检测,根据粗糙集理论中的约简算法、规则提取算法及分类可信度分析等对数据挖掘技术在管道缺陷检测中的应用进行了研究,内容涉及管道缺陷的检测、远场涡流法的原理、数据挖掘和粗糙集中的数据简约及算法等.实验表明,该方法具有良好的缺陷可识别性.

针对现有产品配置设计方法中对客户性能需求研究的不足,结合可拓数据挖掘方法提出了基于性能驱动的可拓数据挖掘产品配置设计方法研究。首先通过对客户个性化需求的定量与定性化分析,建立客户需求分析模型;其次对配置模型的参数知识进行可拓知识挖掘,并对产品布局结构的变换阈值知识进行相互匹配与矛盾问题消解,建立变换消解模型及满足客户需求的可变换阈值解空间;然后在此基础上,对产品配置过程中的知识组合矛盾问题,进行基于可拓数据挖掘的传导变换,求解出满足客户需求的配置解空间;最后基于Visual C++6.0、Solidworks等平台开发软件建立了产品的快速配置系统,通过实例测试,验证了该方法的准确性和有效性。

工程机械的液压油超温由于设备规模大,影响因素多,导致运行过程中存在较强的不确定性。本文以混凝土泵车为研究对象,基于决策树算法分析了造成液压油异常高温的原因,了解了导致液压油超温的主要原因与各参数对液压油温度的贡献度。通过决策树模型(测试精度93.4%)找出了典型的超温原因,实施整改措施后液压油超温率降低7.4%,超温得到控制,降低了设备因液压油超温带来的潜在风险。数据挖掘在工程机械领域的应用大大提高了故障分析效率,明确了问题方向,为故障诊断与性能分析提供了一种新的思路。

标准解是TRIZ中重要的工程问题解决工具,而标准解知识库是标准解应用的支柱。为提高工程问题解决效率,以76个标准解为基础,以数据挖掘技术为手段,获取专利文献资源隐含的深度知识。创建基于数据挖掘技术的标准解知识库构建流程,实现对专利深度知识的挖掘。为弥补CAI软件在知识库实例检索方面的不足,利用实例推理技术对标准解知识库中的创新实例进行检索,选取相似度较高的几个实例,基于功能特征分析方法实现功能特征的复制、重组及突变,从而生成创新方案。创建标准解知识库应用流程,规范标准解知识库的使用,利用自行车的设计实例验证了流程的可行性。

为了充分利用运营商的大数据资源给用户推荐合适的产品,设计了一种基于运营商大数据的产品推荐模型。推荐模型在基础数据、位置数据、上网行为数据的基础上建立了属性标签体系,基于两步聚类特征分析以及序列关联用户行为分析为用户推荐合适的产品,提高了产品运营效率以及产品推荐的效果。

随着数据挖掘技术的发展,深度置信网络(DBN)这类深度学习算法被越来越多运用到工程领域。在故障诊断领域,结合DBN强大的自适应特征提取和非线性映射能力,可以摆脱以往对专家经验的依赖。基于此,本文为有效地监测柴油机气缸运行状态,提出一种基于改进深度学习算法的船舶柴油机故障诊断技术。先将原始信号的频域形式输入DBN当中,采用蚱蜢优化算法(GOA)搜索DBN的最优参数组合,并建立起最佳的柴油机气缸故障诊断模型。经测试验证,本文提出的诊断模型能够准确识别柴油机气缸运行状态并进行故障诊断,诊断率可以达到99.5%以上,具有较好的工程实用价值。

对工程装备维修器材精确化保障影响参数、基数需求以及需求量应用数据挖掘的思想方法进行分析，根据实际情况，对维修器材需求量建模计算，并进行了实例分析。结果显示，应用此方式，能够提高工程装备维修器材精确化保障水平，具有较好的实用价值。

混凝土泵车在服役过程中的运行状态和维护信息是产品面向再制造设计、再制造零部件寿命预测和保障再制造产品质量的基础。通过数据挖掘技术对ECC系统中的海量数据进行分析,并基于线性回归分析、神经网络方法建立了摆缸液压油温度的预测模型。比较两种模型的预测精度,结果表明摆缸液压油温度可由其他参数利用线性回归预测模型获得。这有利于在面向再制造设计中减少一个温度传感器、ECC系统所监测的数据量及其存储负担,从而减少系统的复杂性,因而具有一定的实际应用价值。