随着工业4.0时代的到来,我国高铁制造业也进入了智能化生产时代,生产效率大大提高。在复杂的生产环境中,生产线上的设备依然会有故障和告警发生,有时还会在极短时间内发生多个告警,即复合告警。复合告警给问题的定位带来了困难,严重影响生产效率。告警关联性分析是解决这个问题的常用方法,该方法在网络告警方面取得了丰硕的成果,但是对于高铁制造企业生产线的告警关联性分析还有待开展更多的研究。而柔索吊装机器人是高铁生产线上最重要的组件之一。因此,本文以柔索吊装机器人为切入点,研究其关键部件的复合告警,并利用研究成果来协助工程师快速定位故障根源,具有十分重要的现实意义。本文深入研究了基于规则的告警关联性分析、基于事例推理的告警关联性分析、基于数据挖掘等各类告警关联性分析技术,以及滑动窗口、可变滑动窗口等时间序列数据的离散化方法等相关理论。结合现有的实验条件,根据柔索吊装机器人关键部件告警数据的特征分析结果,本文确定以数据挖掘的方法来分析柔索吊装机器人关键部件复合告警的关联性。首先,本文从实际工程的柔索吊装机器人关键部件告警数据出发,根据告警数据具有时间持续性的特点,并结合部分告警影响具有延迟性的情况,在滑动窗口方法的基础上提出了带延迟参数的变化窗口数据离散化方法,以提高数据离散化的准确性。在经过该方法处理之后,可得到有顺序约束的事务数据。然后,针对原生FP-Growth算法不适用于有顺序约束事务的数据挖掘的问题,提出对该算法的适应性的改进思路,将改进后的算法称为OFP-Growth算法。同时,针对FP-Growth算法和OFP-Growth算法支持度阈值和置信度阈值人为设置的主观性和不准确问题,引入了人工萤火虫(GSO)算法来进行优化,提出了 GSO-OFP-Growth算法。最后,对所提出的方法进行了有效性的验证,并以此为基础,开发了复合告警关联性分析系统,完成了理论研究与工业生产的有机结合。