[发明专利]一种基于改进的Apriori算法的机床故障预测方法在审
| 申请号： | 201910950225.6 | 申请日： | 2019-10-08 |
| 公开（公告）号： | CN110597889A | 公开（公告）日： | 2019-12-20 |
| 发明（设计）人： | 杜佼玲 | 申请（专利权）人： | 四川长虹电器股份有限公司 |
| 主分类号： | G06F16/2458 | 分类号： | G06F16/2458;G06F16/215;G06F16/182;G06F16/18;G06Q10/06;G06Q10/04 |
| 代理公司： | 51213 四川省成都市天策商标专利事务所 | 代理人： | 郭会 |
| 地址： | 621000 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于改进的Apriori算法的机床故障预测方法，包括以下步骤：A.搭建Hadoop系统，将采集到的海量机床数据存入分布式文件系统HDFS中；B.对HDFS中的数据进行数据清洗，得到预处理后的机床数据，生成相应的候选1项集；C.设置Apriori算法的最小支持度和最小置信度，并扫描HBase，根据改进的Apriori算法得到不同项数的频繁项集；D.通过频繁项集找出机床数据之间的关联规则以及对应的置信度大小；E.与步骤C中的最小置信度对比，得到机床数据之间最终的强关联规则即机床故障预测结果。本发明的方法可以有效地预测机床故障，可以实现减少技术人员定期或不定期去检查机床状况所耗费的人力，和增加检查机床次数的高效性。 | ||
| 搜索关键词： | 机床数据 机床故障 最小置信度 关联规则 频繁项集 预处理 分布式文件系统 最小支持度 机床状况 数据清洗 预测结果 高效性 有效地 置信度 预测 机床 改进 检查 扫描 采集 | ||
【主权项】：
1.一种基于改进的Apriori算法的机床故障预测方法，其特征在于，包括以下步骤：/nA.搭建Hadoop系统，所述Hadoop系统包括：分布式文件系统HDFS、分布式非关系型数据库HBase，将采集到的海量机床数据存入分布式文件系统HDFS中；/nB.对分布式文件系统HDFS中的数据进行数据清洗，得到预处理后的机床数据，生成相应的候选1项集；/nC.设置Apriori算法的最小支持度min_sup和最小置信度min_conf，并扫描数据库HBase，根据改进的Apriori算法得到不同项数的频繁项集；/nD.通过频繁项集找出机床数据之间的关联规则以及对应的置信度大小；/nE.将步骤D得出的结果与步骤C中的最小置信度对比，得到机床数据之间最终的强关联规则，即机床故障预测结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川长虹电器股份有限公司，未经四川长虹电器股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910950225.6/，转载请声明来源钻瓜专利网。
