浅析数据挖掘运用于机械设备安全管理

吴木强

（厦门金龙联合汽车工业有限公司，福建 厦门 361021）

近年来，我国在高新技术领域的不断投入，在数据挖掘方面经过学者的不懈努力相继取得了一系列较大的成就。随着机械设备现代化进程的不断向前推进，先进的机械数据理念与传统的应用机械设备相结合，大大提高了在日常安全管理中能有效提高企业设备的管理水平。在机械工程行业中产生的较大安全事故均与设备相关，为减少因设备造成的安全事故问题，需落实相关的设备安全管理工作，及时发现和处理存在的安全隐患，为作业人员的生命安全与财产安全提供可靠的保障，并将企业的经济效益以及社会效益最大化。

数据挖掘则是对机械设备在运行过程中会产生大量数据进行发掘的过程，产生的数据包含客观数据、连续数据和完整数据，只要了解此类数据之间存在的关联性和意义，则能清楚了解设备的状态。

数据挖掘过程中涉及的数据通常存在数量大、缺乏完整性、有噪音和较模糊等特性，数据挖掘则需在此类数据中获取未知而又具备潜在性的有用信息和知识。其作用主要是对数据的分类、分析、回归、时间排序分析和区分等。数据挖掘的开展是基于基础数据，通过构建模型，来加强安全管理，提升机械行业的整体管理水平。

1 机械设备的安全管理

在人们生活水平日益提高的今天，安全作业与安全生产理念正日益扮演重要的角色。而在机械设备的安全管理中，为避免发生安全事故，通常会在设备存在安全隐患或发生故障时进行及时的修理，确保机械设备的正常运行，避免机械设备故障程度加深，继而引发严重后果的安全数据发生。由此可见日常的机械设备的保养至关重要。

针对机械设备的系统安全工程的分析方法普遍采用故障树分析法（FTA），其设定的分析目标为设备会发生的最恶劣破坏，对设备各部件之间造成影响的环境因素与人为因素进行分析，探索相互之间的关联性，并制定出相应的道理树状逻辑因果关系图。然而，故障树分析法存在一定的缺陷，利用逻辑计算方式计算的故障树，一旦分析人员没有足够了解情况，则极易忽略重要的系统影响因素。此外，由于分析人员的研究范围存在一定的差异，其所获取的结论也各不相同，对应的可信度也高低不同。系统的错综复杂，知识故障的产生通常存在多种因素，常规分类的方式无法查找出正确的原因，而数据挖掘的利用，则能显著解决这类问题。

旋转机械在机械设备中的使用较为广泛，转子不平衡是该类机械较易产生的故障问题，通常是由于装配的不到位或者机械磨损所造成的。此类问题通常可以在日常的检修中发现，如果没有及时处理极有可能造成严重的后果。当转子的平衡缺失，正旋波的震动时域波形，椭圆的转子轴心轨迹时，振动的强度受工作转速的影响较大。同时，造成转子失衡的原因还有油膜涡动、油膜振荡和转子支承系统连接不到位以及转子不对中等。通过总结归纳这类问题的诱因，构建故障变量与故障类型之间存在的多值关联法来进行数据挖掘，继而正确的做出故障诊断。故障识别标准模式的构建中包括故障特征变量、故障信号的频率特性、振动特性和敏感参数，形成故障识别参数集。然后，利用聚类构成特定的标准与诊断方式，利用故障特征获取的待检模式和数据库中现有的故障案例进行分析比较，从而判别现阶段机械设备的运行状态，为维修人员在选取维修方案时提供可靠的依据，有效提高维修效率，降低维修成本，提高企业的经济效益。此外，通过科学合理的设备检测和评估模式的利用来对设备部件以及材料的状态进行判断，保证机械稳定的运行状态，且利于对机械设备的检修管理，延长机械设备的使用寿命，降低设备故障率，避免安全事故的发生。

2 数据挖掘在机械设备检修中的应用与作用

目前数据挖掘技术主要有三种，分别为：（1）信息发现类数据挖掘技术。此种数据挖掘技术能从大量的数据中挖掘出新颖、有效和具备潜在利用价值的数据信息，与统计类数据挖掘技术存在较大的差异。信息发现类数据挖掘技术在设备管理过程中有着特有的优势，对设备管理有着重要的意义。（2）数据分析统计类数据挖掘技术。该种技术所指的统计分析方式与统计学上的分析方法一致，充分结合定性与定量来检测存在异常的数据。数据挖掘模型中所利用的统计学方式主要有线性分析法、单变量分析法、时间序列分析法、非线性分析法和回归分析法等。（3）其他类数据挖掘技术。

眼观判断法是机械设备检查过程中常用的方式，能直观的发现问题并处理。然而，该类方式的局限性较大，适用的范围有限，只有当某些特征超标时，才能进行下一步措施。此类方式很难确定故障和表现特征之间存在的关联性，对隐患初期的设备状态分析以及相关调整方案的制定难度较大，不利于分析和发现设备的潜伏性故障。

常规的检查方式中还有一项未经常性检修，其采用的检修方式通常为以时间为标准的定期检修。定期检修有利于及时发现机械设备存在的不足，对设备的安全运行提供有效的保障，其缺点为在检修中容易出现维修过剩和维修不足的现象，即对机械设备的盲目检修，浪费了大量的人力物力，且提高了设备新故障的发生率，严重影响了设备的可靠性。

为合理检修设备故障，保证设备的正常运行状态，避免不必要的浪费，应收集统计设备运行过程中产生的大量数据，准确判断设备在长期使用中发生的老化与损伤规律，并将其与同种类型设备的运行状态相结合，提高状态评估的准确性。以客车设计中的压缩机为例，由于压缩机内部结构较为复杂，其运行状态受较多因素（如自身的轴承问题与元件问题，以及工艺上的振动、温度和压强等）的干扰，传统采用的故障诊断方式通常为技术人员的现场拆机，利用眼观或专业仪器测量的方式来开展维修，无法有效的将故障现象与故障原因联系起来。而运用数据挖掘之后，能利用计算机以分为单位间隔的方式收集数据，直观的反映出数据的实时变化，以及温度、压强等数据，通过对其产生规律的分析，一旦某项特征参数变化，则表明存在故障，从而明确故障点，为维修人员提供便利。

传统的统计方法通常是在样本数趋向于无数大时才能保证其性能与理论一致，然而，由于设备的运行环境存在一定的差异性，且分散性较高，对此类设备的实际研究成果与理论存在一定的差距。且传统形式问题处理效率已经无法很好的适用于现代人们的日常需求。因此，一种更加高效率的处理方案成了时下迫切需要解决的问题。而数据挖掘技术中的支持向量机（SVM）是基于理论基础开展的新型小样本学习模式，其不受概率测度定义以及大数定律的影响。该种模式将传统的从归纳到演绎的方式转变为高效的从练样本到预报样本的转导推理，极大程度上简化了分类和回归。相比之下，构建支持向量机模型的方式所涉及的干扰因素较少，其运行稳定性可靠性更高，其所获取的数据结果较为客观，广泛受到业界的认可。再加上有严密的统计学理论依据保障，通过支持向量机构建的模型所对应的推广效果较好。数据挖掘技术在机械设备运行中还具备预测的功能。通过对设备内在规律的历史数据（即反映事物输入与输出之间的关联性）的学习来构建预测模型，继而实现对后期数据的预测。在检测系统的支持情况下，利用数据挖掘及时来对设备的运行状态进行了解，及时消除设备存在的故障问题。

3 结语

现阶段的机械设备安全管理中，数据挖掘技术是重要的研究对象。通过挖掘技术的运用，合理的将机械设备运行过程产生的大量数据进行分类和分析，发现潜在性的适用型数据，并解决了监测理论无法进行的全面预测问题。同时根据数据呈现的规律构建一定的模型，从而达到设备安全管理的目的，提高企业的安全管理水平，继而提升企业的经济效益与社会效益，促进机械行业的安全生产。此外，基于大数据概念的支持，借助互联网大平台还可以更快的挖掘出适用于当下产品的相关设备以及日常运行维护方案。

[1] 韩家炜.数据挖掘概念与技术[M].北京：机械工业出版社，2007.

[2] 张哲.基于支持向量机的变压器状态评估和故障诊断的研究[J].北京：华北电力大学硕士论文库，2009，22-36.

[3] 西安美林电子有限责任公司，大话数据挖掘[J].北京：清华大学出版社，2013.