(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210983987.8 (22)申请日 2022.08.17 (71)申请人 浙江理工大 学 地址 310018 浙江省杭州市杭州经济技 术 开发区白杨街道 2号大街9 28号 (72)发明人 向忠　李文奇　李浩然　周光宝　 钱淼　 (74)专利代理 机构 绍兴市知衡专利代理事务所 (普通合伙) 33277 专利代理师 施春宜 (51)Int.Cl. G06F 16/2455(2019.01) G06F 16/2458(2019.01) G06F 16/28(2019.01) G06F 16/22(2019.01) (54)发明名称 一种基于关联规则挖掘改进算法的工业设 备故障诊断方法 (57)摘要 本发明涉及一种基于关联规则挖掘改进算 法的工业设备故障诊断方法， 其包括如下步骤： 1)， 采集工业生产过程中各种工业设备的历史数 据， 并将历史数据进行离散化与符号化； 2)， 以工 业设备的的历史数据生成故障事务数据库， 并生 成FP‑树： 3)， 以FP ‑树生成频繁项集； 4)， 根据集 合L中频繁项集， 依 次生成传感器数据Cij与故障 项目tp的关联规则， 根据关联规则， 来诊断工业 设备发生哪种故障。 本发明以链表将相同的项目 链接起来， 直接搜索FP ‑树， 生成频繁项集， 从而 生成关联规则的方法， 从而实现工业设备的故障 诊断， 解决了现有 的FP‑Growth算法存在需要多 次生成条件FP ‑树， 运行效率 仍有待改进的问题。 权利要求书2页 说明书4页 附图2页 CN 115510099 A 2022.12.23 CN 115510099 A 1.一种基于关联规则挖掘改进算法的工业设备故障诊断方法， 其特征在于： 包括如下 步骤： 1)， 采集工业 生产过程中各种工业设备的历史数据， 并将历数据进行离 散化与符号 化； 2)， 以工业设备的 的历史数据生成故障事务数据库， 并生成FP ‑树： 3)， 以FP‑树生成频繁项集； 4)， 根据集合L中频繁项集， 依次生成传感器数据Cij与故障项目tp的关联规则， 根据关 规则， 来诊断工业设备发生哪种故障。 2.如权利要求1所述的基于关联规则挖掘改进算法的工业设备故障诊断方法， 其特征 在于： 步骤1)中， 所述历史数据包括工业设备上传感器的历史数据， 以及工业设备故障记 录。 3.如权利要求2所述的基于关联规则挖掘改进算法的工业设备故障诊断方法， 其特征 在于： 步骤1)中， 所述历史数据离散化与符号化方法为： 基于历史数据， 建立传感器数据集C ＝{C1，…， Ci，…， Cm}， 其中Ci代表第i个传 感器数据集合， Ci＝{Ci1，…， Cij，…， Cin}， Cij代表 第i个传感器第 j个不同的突变峰值， 并取相近突变峰值的最小值； 根据故障记录， 建立 故障 数据集T＝{t1，…， tp，…， tq}， 其中， tp表示故障项目。 4.如权利要求1所述的基于关联规则挖掘改进算法的工业设备故障诊断方法， 其特征 在于： 步骤2)中， 生成工业设备故障事务库的方法为： 根据工业设备的故障记录， 建立工业 设备的故障事务库B＝{B1，…， Bk，…， Bl}； 其中 代表 工业设备发生第K次故障， 发生 突变的传感器峰值Cij与故障项目tp。 5.如权利要求1所述的基于关联规则挖掘改进算法的工业设备故障诊断方法， 其特征 在于： 步骤2)中， 所述 生成FP‑树的具体方法为： 2‑1)， 指定最小支持数MinSptN， 最小支持数MinSptN＝MinS ×N， 其中MinS∈(0， 1)为最 小支持度， 是刻画支持度是否符合用户期望的阈值， N为工业设备故障事务库B＝{B1，…， Bl} 中项目的数量； 2‑2)， 读取建立的工业设备故障事务数据库， 生成故故障数据集T的头表H， H＝{tp： SptNp|tp∈T， SptNp为项目tp的支持数}； 其中， H中的项按SptNp从大到小排列； 工 业设备故障 事务数据库的头表H如下： H＝{tp1： SptNp1， tp2： SptNp2，…， tpn： SptNpn}； 2‑3)， 依次读入故障事 务Bk,生成工业 设备故障事务数据库的FP ‑树， 并将不同路径的相 同故障项目tp以链表的形式链接起 来。 6.如权利要求1所述的基于关联规则挖掘改进算法的工业设备故障诊断方法， 其特征 在于： 步骤3)中， 生成频繁项集的具体方法为： 3‑1)， 从头表H最后一项tpn开始生成频繁项集； 3‑2)， 沿tpn链表首项所在路径， 以自底向上的方式搜索FP ‑树， 生成以为tpn结尾的频繁 项集； 3‑3)， 沿着链表的方向， 确定链表每一项所在路径， 按照步骤3 ‑2)的方法生成以为tpn结 尾的频繁项集， 删去重复的频繁项集； 3‑4)， 按照步骤3 ‑1)～3‑3)的方法， 依次生成以tpn‑1，…， tp1为结尾的频繁项集， 最终可权　利　要　求　书 1/2 页 2 CN 115510099 A 2得故障事务库B的所有频繁项集 L。 7.如权利要求1所述的基于关联规则挖掘改进算法的工业设备故障诊断方法， 其特征 在于： 步骤4)中， 生成关联规则的具体 体步骤如下： 计算频繁项集中Cij与tp的置信度， 并设置置信度阈值， 取置信度高于置信度阈值的频 繁项， 根据高于置信度阈值的频繁项提取强关联规则， 删去弱关联规则的频繁项集； Cij与tp 的置信度计算公式为： 其中， Sup port{Cij}为Cij的支持数。权　利　要　求　书 2/2 页 3 CN 115510099 A 3