传统风力发电机对于系统故障的解决方案是有限和预先确定的,而具有大量传感器数据的故障预测诊断可以有效预防可能发生的系统故障,从而降低设备维护成本。为此,提出一种基于DBSCAN-ML的风力发电机故障诊断策略。基于密度的应用噪声算法空间聚类(DBSCAN)从正常状态数据中分类出异常状态的风力机数据,然后采用决策树和随机森林算法2种机器学习(ML)算法构建预测模型,最后使用K折交叉验证进行测试。通过广西31台风力发电机组数据对此故障诊断方案进行案例验证。结果表明DBSCAN算法可以有效分离异常状态数据,且决策树预测模型和随机森林模型可以分别获得92.7%和92.1%的准确率,通过数据挖掘和建模可以检测风力发电机组的故障,并可以预测部件的维护需求。

在TMS320C5402上实现了基于决策树理论的心音分类器,用心电信号区分第一、第二心音信号,以心音信号的时域特征参数短时平均过零率、短时超限率、信号的平均时间、持续时间及短时能量作为分类依据.该心音诊断仪能够实时采集、显示和处理心音、心电信号.试验证明它可对常见的多种病态心音做出正确的诊断.

分析了各种因素对工序质量损失的影响，提出了工序质量损失率概念，建立了基于决策树、K-均值聚类和基尼指数相结合的工序质量损失原因挖掘决策树模型，将模型应用于工序质量损失数据集市训练集样本，挖掘质量损失原因。利用荻取的知识规则对测试集进行诊断验证，得到的结果具有很高的真实性和有效性。为降低质量损失、持续改进生产质量提供了决策支持。

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。

以国内首套国产化水下控制模块液压系统为研究对象,针对水下控制模块液压系统故障诊断中故障点的隐蔽性、故障原因的复杂性和交织性、相关因素的随机性等难点,分析水下控制模块液压系统的工作原理,确定水下控制模块液压系统的失效故障类型,分别提出基于决策树的水下控制模块低压油路和高压油路故障诊断模型及高效求解算法,准确有效地实现了水下控制模块液压系统的故障诊断。结果表明,水下控制模块液压系统低压油路易发生油路泄漏和堵塞故障,高压油路易发生DCV阀打开失败故障。研究结果能够为我国锦州某气田水下控制模块液压系统的故障诊断提供一定的理论参考和技术指导,对于预防油气泄露等有着重要意义。

液压系统是飞机重要机载系统之一,它为飞机输出能源驱动,其性能、稳定性和可靠性直接影响飞机的安全性。流量是衡量液压系统稳定性的重要判据,实时监测液压系统管路流量可对系统特性分析、故障诊断提供有力的支持。但由于流量传感器造成的流阻对系统特性有显著影响,因此在航空液压系统中未广泛使用。针对传感器带来的流阻问题,深入分析了与流量相关的参数,提出基于梯度提升回归树的航空液压系统流量预测模型,通过关键参数预测液压系统的流量。试验结果表明:梯度提升回归树(gradient boosting regression tree,GBRT)模型相比最小二乘线性回归模型、决策树回归模型、极端梯度提升树XGBoost模型,在预测准确度、训练时间、测试时间等指标中取得了较好的表现,验证了所提方法的有效性。

针对大多数制造业生产过程中对产品质量只注重问题处理,忽略挖掘问题潜在原因,造成质量分析滞后、质量信息利用不充分的问题,引入事先预警的理念,利用决策树C4.5算法,对大量生产加工数据进行挖掘,建立制造质量分析模型,运用该模型挖掘质量数据中潜在的质量影响因素,找到影响生产的关键因素。文章以滚齿加工过程累积的质量数据来训练检测模型,试验表明,所建模型对数据分类准确率高,满足企业需求,为企业持续改进质量提供决策支持,降低了生产的不合格率。

提出了一种基于支持向量机的往复压缩机示功图识别方法。根据不同故障在示功图上反映的不同特征,进行故障特征提取。针对实际故障发生情况,构造了基于决策树的多分类支持向量机故障识别模型。使用不同核函数对计算机模拟与往复压缩机试验台实测的故障示功图进行识别,结果表明,该方法能有效应用于往复压缩机示功图故障识别。

主要研究了AdaBoost算法在液压系统故障诊断中的应用。为了解决＂一对一＂算法和＂一对余＂算法的分类速度随着训练样本数或类别数的增多而变慢的问题提出了基于决策树的AdaBoost算法。利用CART算法构造决策树建立AdaBoost分类器并根据样本数据的分布情况使得在决策树中每一个节点的最可分类别尽可能分开。将该算法应用于某型装甲车辆液压系统故障诊断结果表明：该算法的性能优于其他两个算法具有更高的通用性。

为提高挖掘机液压故障诊断专家系统知识获取的效率和精确度，将数据库技术和数据挖掘的决策树算法运用于专家系统的知识获取过程中，分析了挖掘机液压故障诊断系统中数据库立方体构建方法和利用决策树算法获取知识的关键技术，并且将规则引擎用于专家系统的推理机构建过程中，在这基础上成功地开发了基于规则的挖掘机液压故障诊断专家系统。