起重机械检验数据挖掘系统的设计与实现

　　数据挖掘（ Data Mining）是从存放在数据或其他信息库中的大量的数据中，获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。

　　数据挖掘技术在起重机械检验中应用方向主要是检修决策、故障诊断、部件管理等。本文介绍了利用决策树分类和关联规则等数据挖掘技术，开发出的起重机械检验数据挖掘系统，包括系统的结构及功能，数据库的设计、数据的预处理、数据挖掘技术和运行的结果。在系统中用决策树的C4. 5算法实现对起重机械故障诊断，用关联规则算法FP_growth实现缺陷、失效相关性分析、预测。开发系统的目的和意义在于为检验起重机械安全运行性提供了一种有效决策模型。

　　1系统用到的数据挖掘技术1.1关联规则简介参照文献 ，将关联规则所要挖掘的数据集中的元素i是由D中所有项的集合， I的任何子集称为D中的项集，若D中包含项集X的事务数称为项集X的支持数，记为R.记项集X的支持度为： support（ X） = 100，其中 D 是数据集D的事务数。若support（ X）不小于预先指定的最小支持度，则称X为频繁项集。

　　若X， Y为项目集，且X H Y =⑸，蕴涵式X] Y称为关联规则， X， Y分别为关联规则X ] Y的前提和结论，项目集（ X G Y）的支持度称为关联规则X ] Y的一般情况用户挖掘需要设定最小置信度记为minsup，支持度和置信度是关联规则中重要的参数，前一个用来衡量关联规则在D中的统计重要性，后者用于衡量关联规则的可信程度，而有用的关联规则一般是支持度和置信度都较高的。挖掘关联规则分为两个子问题， STEP1找出存在于事务数据库中支持度support（ X）不小于用户给定的最小支持度minsup的所有频繁项目集。STEP2根据最小项目集和最小置信度产生关联规则。参照文献 ，在该系统中，挖掘1. 2决策树分类简介决策树分类是数据挖掘核心技术算法之一，它通过大量的训练集得出规则，从中找出潜在的、对决策有价值的信息，用在一些分类模型中。决策树分类的核心思想是采用信息论中的概念，用信息增益作为决策属性分类判别能力的度量，进行决策节点属性的选择。决策树算法中比较有影响的算法是ID3，后有其改进算法能处理连续属性的C4. 5，主要用途是提取分类规则，进行分类预测。

　　设S是由s个数据样本的组成的集合。假设类别标示属性有m个不同的值，定义m个不同类C是类C中的样本数，对给定样本分类所需期望信息为： I（ s是样本属于C的概率，并且用/s估计。设属性A有k个不同值 a以由A划分为k个子集 S包含S中这样样本，它们在A上具有值a选作测试属性，则这些子集对应于由包含集合S的节点生长出来的分枝。

　　设s是子集S中类C的样本数，由A划分成子集的熵给出： E（ A） ，其中项充当第j个子集的权，并且等于子集中的样本个数除以S中的样本总数。

　　熵值越小，子集纯度越高。在A上分枝将获得的编码信息是Gain（ A） ，换句）是由属性A的值而导致的熵的期望压缩。产生一棵枝节较为丰富的树之后，需要有选择性地修剪，得到一个精简的子树。

　　参照文献 ，系统采用了C4.5决策树分类算法。

　　2系统的结构和功能系统在结构上分为五个部分（他们之间的关系如图1所示） ：原始MYSQY数据库，一定意义上的数据仓库，数据挖掘引擎（分为决策树和关联规则） ，规则库，图形用户界面。用户主要分三类：特检院检验员、一般用户、特检院系统管理员。他们在系统的使用过程中扮演不同的角色。

　　根据实际的需求分析，系统实现的主要功能有：特检院检验员能够存储不同起重机械的检验数据，并能方便有效地实现相应数据的操作和管理，主要包括检验信息的录入、删除和修改以及关键字的查询特检院系统管理人员能够对检验数据进行预处理并形成相应的预处理数据库。当输入相应的参数，对数据进行分类挖掘，相关性挖掘。最终生成规则库，并方便的对规则库进行删除修改以及查询一般用户当输入相应的参数时能够根据规则库里面的规则对故障进行分类，对缺陷、失效进行预测，最后显示给用户。

　　系统还能够提供一定的安全机制，提供数据信息授权访问，防止随意删改。系统功能如图2所示。

　　刘少武，等：起重机械检验数据挖掘系统的设计与实现系统开发的环境是集成的MyEclipse，采用Stucts框架设计出基于J2EE的Web应用系统，服务dows XP操作系统上。

　　3设计系统的关键技术3. 1数据库设计好的数据库是设计整个系统的基础。由于关联规则和决策树用的预处理数据和得到的结果不同，所以在设计数据库表时分别为其设计了表。系统在MYSQL中建立数据库名为qizhongjixie，并创建和设验数据、关联规则预处理数据，决策树预处理数据，关联规则所得的规则以及决策树所得的决策树。

　　3. 2起重机检测数据预处理数据库中的原始数据通常有一个共同特点，即存在大量的不完整、含噪声和不一致的数据。数据预处理一般包括消除噪声，推导计算缺值数据，消除重复记录等，数据预处理的目的是为数据挖掘过程提供干净、准确、简洁的数据。在所开发的系统中，提高数据挖掘效率和准确性是数据挖掘中非常重要的环节，这个过程主要遵循以下参考原则：尽可能赋予属性名明确的含义统一多数据源的属性值编码处理空缺值等。例如在原始数据中检验项有大车限位失灵和大小车制动失效这两种情况，在处理过程中认为是同一种问题，一些对起重机械安全没有影响的检验结果忽略，对结果影响不大的属性没有加以考虑。系统在对其进行预处理过程中根据预处理页面提交的参数调用相应的算法对原始数据进行自动预处理，并将结果存到相应的数据库表中。根据以上的原则，选取十个关键属性：技术文件、作业环境和外观、司机室检验、金属结构、轨道、主要零部件、电气和控制系统、液压系统、安全保护装置、运行试验。对十个属性进行相关性分析时，一次检验作为一次事件Tid，当检验项中有缺陷、失效时记为1，否则为0对其进行分类时，上述十个属性作为决策属性，每个属性都有不同的故障取值，故障类别属性作为决策属性，其值最常见的有限期整改和重新改装，在预处理时记为两个值P1和P2.

　　3.3两个算法在系统中的实现过程可以简单描述为：对于给定的布尔数据集以及最小支持度和最小置信度，先用给定的算法找出频繁项集，后列出满足最小置信度的关联规则。为实现这个过程，系统设计了以下的类和接口： DataSet（布尔数据集）、DBReader（遍历数据集的工具）、tionsFinder（关联规则挖掘的接口）。最小支持度和最小置信度是由用户任意设定传入到类或者实现接口中，每一个类或者实现接口都会实现一定的功能，算法功能体现的是这几个类和实现接口之间的相互协作的结果算法C4. 5的实现与算法FP_growth的实现思路基本相同。只是设计的类和接口不同。

　　4系统运行的结果及分析用沈阳特检院提供的检验数据作为训练集数据，分别对其进行了缺陷、失效的关联规则分析和故障的决策树分类。表1是关联规则预处理的结果，表2是关联规则挖掘的结果，表3是决策树预处理结果。

　　根据表3构造出的决策树为： A1， B1， A5， G1，4所示的输入故障参数界面中，输入相应的参数，点击预测按钮，就会得到起重机械的故障结果。

　　运行结果分析：由关联规则得出的结果，当输入最小的置信度和支持度可以得出18个频繁项集A9（安全保护装置）一共出现244次，这说明起重机械在安全保护装置方面做的非常不好 A6 （主要零部件）和A9（安全保护装置）一共出现98次，支持度和置信度分别为29. 4和35. 6，这说明主要零部件出现问题能知道安全保护装置也出现问题 A7（电气控制系统）和A9（安全保护装置）一共出现67次，支持度和置信度分别为20. 1和27. 3，他们之间的关联度也相当大。对数据决策树得出的结果分析如下：其中B1， B2代表A1（技术文件）有和没有故障，依次类推C1， C2代表A2有没有故障，一直到运行试验用N1， N2表示有没有故障， P1代限期整太原科技大学学报改， P2代表重新改装。从其中A1出发到任意一个P1或者P2都是一条决策规则，例如由A1 （技术文件） ， A5（轨道） ， A3（司机室检验） ， A7（电气和控制系统） ，没有故障以及A4 （金属结构）有故障，可以得出起重机械需要限期整改。

　　次数技术文件作业环境和外观司机室检验金属结构轨道主要零部件电气和控制系统液压系统安全保护装置运行试验故障类型次数技术文件作业环境和外观司机室检验金属结构轨道主要零部件电气和控制系统液压系统安全保护装置运行试验故障类型次数技术文件作业环境和外观司机室检验金属结构轨道主要零部件电气和控制系统液压系统安全保护装置运行试验故障类型刘少武，等：起重机械检验数据挖掘系统的设计与实现请输入故障参数技术文件作业环境和外观司机室检验金属结构轨道主要零部件电气和控制系统液压系统安全保护装置运行试验预测清除根据以上所形成的规则库，普通用户可以对起重机械做一些故障分类，即在十个检验项目中输入故障参数，系统就会自动给出起重机的故障类型。