近年,随着计算机技术的飞速发展,数字样机技术逐步成为复杂产品创新研发时的主流,在航空航天、汽车、船舶等行业都得到了普遍的应用。数字样机在复杂产品全生命周期的数字化设计、分析及运行时,会产生海量且相互关系复杂的异构数据,数据中潜在知识的获取是产品性能分析及优化设计时面临的难点问题。数据挖掘技术能够智能、自动地从海量、有噪声、不完整且随机的数据中提取出隐含的有价值的信息,目前在工程诊断、公共管理、金融、医学等领域都得到很好的应用效果。通过数据挖掘技术获取袋式除尘器数字样机性能仿真分析中的规律,实现性能指标的快速获取,对于优化产品设计质量、缩短产品研发周期、降低研发成本都具有重要意义。全文主要研究内容包括:1.研究自主研发袋式除尘器产品数字样机的工作过程及其仿真数据特点,对其工作性能及其相关数据的复杂性进行深入的分析。以此为基础,建立了袋式除尘器数字样机的数据挖掘目标。2.结合袋式除尘器数字样机的数据挖掘目标,确定关联规则FP-Growth算法为主要数据挖掘算法。并对传统FP-Growth算法进行了改进,考虑数据库中属性分布不均的问题,引入加权理论,提高了生成规则的真实价值性;通过构造哈希函数及对各维属性进行划分以提高原算法的运行效率。3.开发了面向袋式除尘器数字样机仿真性能分析的数据挖掘系统,其中包含数字样机模型构建、数值模拟、数据挖掘等功能模块。并以192创新系列袋式除尘器为例,进行其数字样机模型构建及数值模拟。并通过数据挖掘模块,采用改进FP-Growth算法挖掘了数字样机仿真参数组合与工作性能表现间的潜在关联规则。研究结果表明:在袋式除尘器数字样机中,采用数据挖掘技术,可以发现很多有价值的潜在知识。使设计者更方便地了解产品参数与性能之间的联系,对袋式除尘器产品的优化设计提供重要的参考价值。