论文部分内容阅读
[摘 要]在我国发电厂应用的汽轮机随着时代的发展越来越复杂化、智能化，在长时间的应用后会出现各种故障问题。其中，一个重要的问题是汽轮机振动故障。因此，本文主要就应用数据挖掘分类中的决策树C4.5算法诊断汽轮机振动故障问题进行重点研究。
[关键词]决策树C4.5算法；汽轮机；振动故障
中图分类号：TM125 文献标识码：A 文章编号：1009-914X（2017）12-0041-01
引言：在发电厂运行中，汽轮机是三大重要设备之一，它应用质量和水平的高低直接影响到电厂的运行效率和价值。因此，我们针对决策树的基本理论、基于决策树的汽轮机振动故障诊断技术两个方面内容进行全面性研究和分析工作。
一、决策树的基本理论
（一）基本概念
决策树指的是一个类似于树形结构的流程图，由众多的分支结点构成，对于属性取值进行有效性测试工作，每一个测试的分支代表一个测试的结果。决策树中每一个结点都代表了一个类别。
（二）决策树的剪枝
为提高决策树在应用过程中的质量和水平，需要对于决策树进行剪枝，使得它的结构简单化，具有良好的应用效率，可以提高决策的准确性，在应用的过程中可以进行更好的理解。比如：第一，决策树的预剪枝。其主要的方式为进行决策树的合理化分类，保障决策树在应用中具有简单化的算法，可以对一些大规模的问题有效性的解决。第二，进行决策树的后剪枝。通过开展高质量的决策树后剪枝工作，对于决策树的构成方式等进行重新塑造，提高了决策树应用的质量和效率。
（三）决策树的评价
对于决策树需要进行科学化的评价，提高决策树应用的质量和效率。比如：第一，需要开展准确性的预测工作，提升决策树应用的效率。第二，需要进行决策树训练数据的匹配工作，提高应用的能力。第四，需要对于决策树的复杂性进行分析，应用合理化方式简化应用的流程。第五，对决策树应用的规模性进行有效性处理。第五，通过健壮性模型的应用提高决策树应用的效率。
二、基于决策树的汽轮机振动故障诊断技术
（一）汽轮机振动故障类型
电厂汽轮机在应用过程中主要会出现以下的振动故障类型。第一，转子的不平衡，第二，转子的动静碰磨问题。第三，转子的不对中。第四，油膜振荡问题。第五，转子裂纹问题。
（二）决策树C4.5算法的实现
依照决策树C4.5算法我们需要明确汽轮机振动故障诊断流程。具体来讲，第一，需要应用专业化方式对汽轮机原始振動数据进行采集工作。比如：通过转子实验的方式对转子的不平衡、转子的动静碰磨问题、转子的不对中、转子油膜振荡问题、转子裂纹问题进行模拟，然后进行原始数据的采集。第二，需要对汽轮机的特征参数进行科学化提取、进行有效性统计。比如：我们需要进行偏度的计算、峭度的计算、平均值的计算、数据的预处理。第三，我们需要充分的应用好决策树C4.5算法对于汽轮机振动故障诊断模型进行合理化的构建。其主要的构建和故障诊断过程为：训练集--输入--决策树C4.5算法/测试集--输出--决策树C4.5算法诊断模型--分类和结果预测。在此过程应用中，我们需要应用合理化的手法对决策树C4.5算法故障诊断模型进行修剪，使得应用的诊断模型结构不断得到优化，可以提高汽轮机故障诊断分析的效率和水平，提高以后维护的水平。第四，需要对于决策树C4.5算法故障诊断模型应用的精度进行评价。比如：需要依照决策树一般应用的评价标准对于模型应用的效果进行评价，提高模型处理复杂程序和处理规模的能力。第五，C4.5算法在具体的应用中主要是采用VC编程方式。其应用的流程为：开始--创建一个结点--训练集--训练集中所有元组属于同一类--候选属性--选择所有的候选属性--在所有的候选属性中找出信息增益率最大的属性A作为分裂属性--进行训练集的划分--创建分支划分子集。在此流程应用的过程中当以下的条件出现时，算法模型会停止应用。
（三）基于决策树的汽轮机振动故障诊断实例
基于决策树的汽轮机振动故障诊断可以应用实例来具体说明。通过对决策树的汽轮机振动故障几种方式，即转子的不平衡、转子的动静碰磨问题、转子的不对中、转子油膜振荡问题、转子裂纹问题进行模拟，采集80种不同的实验数据，然后通过Matlab程序对采集到的原始数据进行计算，保持实验方式工作的转速在每分钟4000下左右，最终使得不同故障类型的偏度、峭度、平均值、最大值的参数。应用统计的方式使得不同类型汽轮机振动故障运行状态样本信息在图表中进行显示。（其主要的样本信息可以从表1中显示）
1.训练数据集的离散
通过对基于参考类别属性的有监督离散化方法进行应用，对于汽轮机故障类型的属性值进行合理化排序，使得属性值域被分成不同的区间，尽量的保障每一个應用的区间对应一个类别，通过移动初始划分边界的方式来增加观测值。
2.故障诊断模型的生成
我们需要依照决策树C4.5算法流程，来依次确定好各个层次分裂结点的测试属性。然后我们依据C4.5算法在信息最大增益率属性中进行测试属性的选取，最终依据不同类型的分裂结点测试属性获得最终的原始决策树诊断模型。依据决策树预剪枝的方法对训练数据集依照有关规则进行分类，需要保障决策树在此时停止生长。在应用的具体实例中需要保障数目小于设定的阀值，最终得出高质量的决策树汽轮机振动故障诊断模型。
3.故障诊断模型的测试
我们需要应用测试数据集来对于决策树C4.5算法进行应用状态的评估工作，使得应用的决策树C4.5模型在应用中具有较高的精准度，非常有效性的对汽轮机不同类型的故障进行有效性分析。
4.诊断规则的提取
在诊断完毕后，我们需要依照一定的规则来进行诊断结果的提取工作。比如：决策树的树形表示方式知识被有效提取，可以应用IF-THEN形式规则进行表示，使得原本复杂的汽轮机振动故障被充分表示出来，可以被人非常容易的理解，最终得到具有规则化的汽轮机振动故障诊断图表，为今后开展专业化、有针对性的维护保养工作打好了基础。
结论
本文主要就基于决策树的汽轮机振动故障诊断技术进行研究，有利于我们有效性的应用好决策树C4.5算法，提高汽轮机振动故障诊断质量和水平，并且诊断的结果在规则性图表中进行生成，使得今后有关的维修人员依照这些信息开展高质量的设备故障维修工作，使得汽轮机在今后的应用中保持良好状态，实现良好的应用效益和价值。
[关键词]决策树C4.5算法；汽轮机；振动故障
中图分类号：TM125 文献标识码：A 文章编号：1009-914X（2017）12-0041-01
引言：在发电厂运行中，汽轮机是三大重要设备之一，它应用质量和水平的高低直接影响到电厂的运行效率和价值。因此，我们针对决策树的基本理论、基于决策树的汽轮机振动故障诊断技术两个方面内容进行全面性研究和分析工作。
一、决策树的基本理论
（一）基本概念
决策树指的是一个类似于树形结构的流程图，由众多的分支结点构成，对于属性取值进行有效性测试工作，每一个测试的分支代表一个测试的结果。决策树中每一个结点都代表了一个类别。
（二）决策树的剪枝
为提高决策树在应用过程中的质量和水平，需要对于决策树进行剪枝，使得它的结构简单化，具有良好的应用效率，可以提高决策的准确性，在应用的过程中可以进行更好的理解。比如：第一，决策树的预剪枝。其主要的方式为进行决策树的合理化分类，保障决策树在应用中具有简单化的算法，可以对一些大规模的问题有效性的解决。第二，进行决策树的后剪枝。通过开展高质量的决策树后剪枝工作，对于决策树的构成方式等进行重新塑造，提高了决策树应用的质量和效率。
（三）决策树的评价
对于决策树需要进行科学化的评价，提高决策树应用的质量和效率。比如：第一，需要开展准确性的预测工作，提升决策树应用的效率。第二，需要进行决策树训练数据的匹配工作，提高应用的能力。第四，需要对于决策树的复杂性进行分析，应用合理化方式简化应用的流程。第五，对决策树应用的规模性进行有效性处理。第五，通过健壮性模型的应用提高决策树应用的效率。
二、基于决策树的汽轮机振动故障诊断技术
（一）汽轮机振动故障类型
电厂汽轮机在应用过程中主要会出现以下的振动故障类型。第一，转子的不平衡，第二，转子的动静碰磨问题。第三，转子的不对中。第四，油膜振荡问题。第五，转子裂纹问题。
（二）决策树C4.5算法的实现
依照决策树C4.5算法我们需要明确汽轮机振动故障诊断流程。具体来讲，第一，需要应用专业化方式对汽轮机原始振動数据进行采集工作。比如：通过转子实验的方式对转子的不平衡、转子的动静碰磨问题、转子的不对中、转子油膜振荡问题、转子裂纹问题进行模拟，然后进行原始数据的采集。第二，需要对汽轮机的特征参数进行科学化提取、进行有效性统计。比如：我们需要进行偏度的计算、峭度的计算、平均值的计算、数据的预处理。第三，我们需要充分的应用好决策树C4.5算法对于汽轮机振动故障诊断模型进行合理化的构建。其主要的构建和故障诊断过程为：训练集--输入--决策树C4.5算法/测试集--输出--决策树C4.5算法诊断模型--分类和结果预测。在此过程应用中，我们需要应用合理化的手法对决策树C4.5算法故障诊断模型进行修剪，使得应用的诊断模型结构不断得到优化，可以提高汽轮机故障诊断分析的效率和水平，提高以后维护的水平。第四，需要对于决策树C4.5算法故障诊断模型应用的精度进行评价。比如：需要依照决策树一般应用的评价标准对于模型应用的效果进行评价，提高模型处理复杂程序和处理规模的能力。第五，C4.5算法在具体的应用中主要是采用VC编程方式。其应用的流程为：开始--创建一个结点--训练集--训练集中所有元组属于同一类--候选属性--选择所有的候选属性--在所有的候选属性中找出信息增益率最大的属性A作为分裂属性--进行训练集的划分--创建分支划分子集。在此流程应用的过程中当以下的条件出现时，算法模型会停止应用。
（三）基于决策树的汽轮机振动故障诊断实例
基于决策树的汽轮机振动故障诊断可以应用实例来具体说明。通过对决策树的汽轮机振动故障几种方式，即转子的不平衡、转子的动静碰磨问题、转子的不对中、转子油膜振荡问题、转子裂纹问题进行模拟，采集80种不同的实验数据，然后通过Matlab程序对采集到的原始数据进行计算，保持实验方式工作的转速在每分钟4000下左右，最终使得不同故障类型的偏度、峭度、平均值、最大值的参数。应用统计的方式使得不同类型汽轮机振动故障运行状态样本信息在图表中进行显示。（其主要的样本信息可以从表1中显示）
1.训练数据集的离散
通过对基于参考类别属性的有监督离散化方法进行应用，对于汽轮机故障类型的属性值进行合理化排序，使得属性值域被分成不同的区间，尽量的保障每一个應用的区间对应一个类别，通过移动初始划分边界的方式来增加观测值。
2.故障诊断模型的生成
我们需要依照决策树C4.5算法流程，来依次确定好各个层次分裂结点的测试属性。然后我们依据C4.5算法在信息最大增益率属性中进行测试属性的选取，最终依据不同类型的分裂结点测试属性获得最终的原始决策树诊断模型。依据决策树预剪枝的方法对训练数据集依照有关规则进行分类，需要保障决策树在此时停止生长。在应用的具体实例中需要保障数目小于设定的阀值，最终得出高质量的决策树汽轮机振动故障诊断模型。
3.故障诊断模型的测试
我们需要应用测试数据集来对于决策树C4.5算法进行应用状态的评估工作，使得应用的决策树C4.5模型在应用中具有较高的精准度，非常有效性的对汽轮机不同类型的故障进行有效性分析。
4.诊断规则的提取
在诊断完毕后，我们需要依照一定的规则来进行诊断结果的提取工作。比如：决策树的树形表示方式知识被有效提取，可以应用IF-THEN形式规则进行表示，使得原本复杂的汽轮机振动故障被充分表示出来，可以被人非常容易的理解，最终得到具有规则化的汽轮机振动故障诊断图表，为今后开展专业化、有针对性的维护保养工作打好了基础。
结论
本文主要就基于决策树的汽轮机振动故障诊断技术进行研究，有利于我们有效性的应用好决策树C4.5算法，提高汽轮机振动故障诊断质量和水平，并且诊断的结果在规则性图表中进行生成，使得今后有关的维修人员依照这些信息开展高质量的设备故障维修工作，使得汽轮机在今后的应用中保持良好状态，实现良好的应用效益和价值。