摘要：在社会经济快速发展的情况下，科学技术不断进步。在数据库知识发现过程中，数据挖掘属于十分重要的步骤，且被广泛应用于机械等多个领域中。分析基于数据挖掘技术的煤矿机械故障诊断方法，指出数据仓库的设计框架以及数据挖掘的实现步骤，指出机械故障的具体诊断方法。
关键词：煤矿机械故障；诊断；数据挖掘技术
引言
进入21世纪之后，高科技技术如火箭般飞速发展，但是市场因为科技进步竞争更加激烈，工业生产更是向高速化、智能化、大型化等方向快速发展，这样的发展速度虽然能够提高国家综合实力与经济能力，但是也让使用的机械设备的结构与发生故障的原因更加复杂，而且这些问题还具有随机性与突发性的特点，更是让人们困扰不已，因此，保证工业发展的必然趋势之一就是要让故障诊断技术不断提高，成为保障国民经济的重要手段之一。而产生的问题需要通过分析相关数据才能够有效诊断出结果，在这个信息化时代，人们收集数据的能力得到广泛提高，收集数据的量也从以前的GB升到了TB，高维数据更是逐渐成为收集数据的主流内容。但是分析数据的技术手段却越来越跟不上需求。但是随着计算机的广泛使用与功能的不断完善，能够帮助人们从海量的数据中找到一条正确的方案来实施，在这样市场需求的情况下，数据挖掘这样一种融合多种分析方法的技术就应运而生，并得到快速发展。数据挖掘技术是从广大数据的数据库中发现知识的一个关键步骤，它可以从大量不完整，模糊、随机的数据中找到其中隐藏在里面，人们不知道但是却对解决问题十分有帮助的信息与知识，这是一种狭义的说法，有广义的说法来将数据挖掘技术就是人们决策支持过程，但这是在众多数据中或者记成事实中找出来的过程。数据挖掘技术功能强大，集合了人工智能、模式识别、计算智能、数理统计等功能，能够快速分析出机械设备故障，并广泛应用于工商业、金融等行业中。
1数据挖掘技术概念
数据分析及采集技术就是从广泛、海量的信息中获取真实、有效、可用的数据信息，在数据收集实践中，部分未降噪、模糊的数据类型隐含在海量数据中，为了实现数据的精准提取和判定，必须将其从海量数据中剔除，以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上出现极其微小的浮动和变化，数据信息专家在海量的数据信息中借助人工采集技术难以快速甄选鉴别，数据挖掘技术高效地解决了上述粗存在的问题，并提出了更加高效可用的数据挖掘技术。例如，设备操作人员及日常维修保养人样对设备的性能及参数较为了解，但是，对系统中各个组件的性能及系统的集成问题的研究较为深入，可以敏锐、快速判定出不同零部件的变化及在具体运转过程中出现的变动，但是上述问题难以被快速获取，这同时表明实际理论经验同具体知识细则之间的变化情况。
1.2数据准备
数据准备过程有三个主要步骤，分别是数据选取、数据预处理以及数据变换。不管是哪一个行业的检测系统，其所检测得到的数据都具有多样性与复杂性以及海量行的特点，正是这些造成人们分析数据的困难。所以想要解决问题，首先就要先确定挖掘目标，这样在检测数据库与历史数据库中才能够获得相对应的数据，并且进行预处理与变化和归化等。不过如果挖掘出来的数据质量不高会影响最终结果，所以提高挖掘质量，就要花费大量时间与精力去进行，大部分这个挖掘过程需要耗费整个过程的百分之八十以上。
1.3结果分析和评估
在满足持续检测的要求下，获取的数据信息也出现不同程度的变化和发展，海量的数据信息分析必须借助数据建模技术，只有通过反复建模论证，才可以保证新获取的信息及设备在具体执行阶段的可靠性分，保证在较短时间内可以获取满意的诊断结果。
2数据挖掘的常用技术
数据挖掘技术直接影响着被发现数据信息的质量水平，且其研究也更多集中于应用以及算法等方面，具体而言主要分为粗糙集理论、决策树技术、人工神经元网络技术和遗传算法4种。
2.1粗糙集理论
粗糙集理论具备一定的不确定性，此项数学研究工具主要由波兰科学家首次提出，且在多年发现中被广泛应用至人工智能的各个分支中，为机械学习以及模式识别等工作带来了成功。其具备以下几种优势，一是此理论不需要额外事先给出数据信息，减少了冗余信息的输入，也减少了数据的输入时间，降低了数据复杂程度。二是此方法简单可行，便于操作。虽然具备一定优势，但也存在一些缺点，一是其在处理实际问题时容易被外界干扰，从而会直接影响机械故障问题的分类。
2.2人工神经元网络技术
基于神经网络分析法是当前数据分析及挖掘的关键技术之一，也是当前使用最为广泛的分析法之一，人工神经网络分析技术的原理借助仿生学基本原理，模仿人工神经系统建立相应的数据信息库，实行对数据信息库的数据实时采集和遴选。同上述分析方式存在差异的是，神经网络分析法在出现机械故障的情况下开可以实现精准预判，所以，在处理某些连续故障及变量的问题上适用性较好，但是，对于维度较高的数据分析及处理不适用。根本原因是内部结构不透明问题，神经网络分析法比较适用于结构形式相对复杂的数据结构中，例如典型的聚类分析模式。图1为常见的三层前端反馈神经网络分析模型。
图1三层神经网络反馈分析结构形式
2.3决策树技术
决策树算法外形极其像树，属于预测型的模型结构，树的节点表示本属的类别，非终端节点属于问题属性。在对问题分类时应根据数值不同取值进行，建立树形的分叉，从而形成决策树。决策树的规则很容易被理解，且与神经元的网络存在很大不同，在算法直观分类方面不需要花费较多时间，因此经常被用于分析预测以及记录故障分类方面。
2.4遗传算法
这种算法来自于生物进化理论，其使用的适者生存观点，也救赎常把一些任务看成一项可以搜索的问题，进行遗传算法搜索，从而得到最优解。遗传算法可以解决很多数据类型的问题，还能够同时处理不同类型的数据，但计算的时候由于使用的参数过多，不少编码问题十分困难，计算量也十分大。
3 数据挖掘技术在工业优化中的应用
量化分析及预测分析技术主要应用在非线性分析实践中，选用满足数据要求的模式识别技术快速收集数据信息，建立相应的数据分析信息，根据数据反映出的数据特点，建立相应的数据结构形式，建立满足非线性特点的回归方程，并最终进行非线性回归分析，但是上述分析存在显著的缺陷，就是在具体非线性回归分析过程中回归方程是主观确定的。非线性分析法满足继续推广的特点及要求，满足多种分析法的联合分析使用，建立满足实际需要的数据搜寻及获取方式。
结语
数据挖掘技术主要指的是在大量的数据中找出有效可行的知识与模式，且其有效结合了人工智能等技术，因此被广泛应用至机械等领域中。笔者分析了煤矿机械故障诊断中数据挖掘技术的具体应用，结合各种数据挖掘算法分析应用问题，明确煤矿机械设备的故障所在，采用更多更新与维修措施，从而有效降低企业的经济损失，提升其社会与经济效益水平。
参考文献:
[1]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（01）：127-128.
[2]闻邦椿,武新华,丁千.故障旋转机械非线性动力学的理论与试验［M］.北京:科学出版社,2004.
[3]褚建立，陈步英.基于数据挖掘的机械设备故障诊断的研究[J].邢台职业技术学院信息技术中心,2007,23(7).
论文作者:张新刚,陈成军
论文发表刊物:《防护工程》2019年第2期
论文发表时间:2019/5/7
标签：数据论文; 技术论文; 数据挖掘论文; 信息论文; 算法论文; 神经网络论文; 海量论文; 《防护工程》2019年第2期论文;