[发明专利]一种基于决策树算法的故障诊断方法

说明书

本发明提供一种基于决策树算法的故障诊断方法，涉及故障诊断技术领域。该基于决策树算法的故障诊断方法，包括以下步骤：S1:采集样本数据；S2:将采集的样本进行分类，形成新的集合；S3:提取样本集合关键特征值，融合相似特征，更新样本数据；S4:建立决策树结点，训练样本数据集；S5:对决策树进行剪技；S6:生成最终决策树，对故障进行诊断；S7:测试诊断精准度，及时修正决策树。通过利用决策树算法来对运动器械的故障进行诊断，使其诊断过程省时省力，无需对运动器械的很多部件逐一进行排除，能够快速的寻找到故障所在位置，给运动器械的维护带来了许多的便利，减少了诊断维修成本。

技术领域

本发明涉及故障诊断技术领域，具体为一种基于决策树算法的故障诊断方法。

背景技术

决策树算法构造决策树来发现数据中蕴涵的分类规则，如何构造精度高、规模小的决策树是决策树算法的核心内容，决策树构造可以分两步进行，第一步，决策树的生成:由训练样本集生成决策树的过程，一般情况下，训练样本数据集是根据实际需要有历史的、有一定综合程度的，用于数据分析处理的数据集；第二步，决策树的剪技:决策树的剪枝是对上一阶段生成的决策树进行检验、校正和修下的过程，主要是用新的样本数据集(称为测试数据集)中的数据校验决策树生成过程中产生的初步规则，将那些影响预衡准确性的分枝剪除。

目前，对于运动器械的故障多采用人工进行诊断，其诊断过程费时费力，需要对运动器械的很多部件逐一进行排除，常常需要花费大量的时间才能寻找到故障所在位置，给运动器械的维护带来了许多的不便，提高了诊断维修成本，因此，我们提出了一种基于决策树算法的故障诊断方法来解决现有技术中的不足。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于决策树算法的故障诊断方法，解决了运动器械的故障多采用人工进行诊断，其诊断过程费时费力，需要对运动器械的很多部件逐一进行排除，常常需要花费大量的时间才能寻找到故障所在位置，给运动器械的维护带来了许多的不便，提高了诊断维修成本的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于决策树算法的故障诊断方法，包括以下步骤：

S1:采集样本数据；

S2:将采集的样本进行分类，形成新的集合；

S3:提取样本集合关键特征值，融合相似特征，更新样本数据；

S4:建立决策树结点，训练样本数据集；

S5:对决策树进行剪技；

S6:生成最终决策树，对故障进行诊断；

S7:测试诊断精准度，及时修正决策树。

优选的，所述步骤1中利用大数据抓取算法，抓取历史故障分析结果样本，其故障分析结果样本应占总数据库中的98％以上，同时利用关键词组提取算法，提取采集的有效样本，筛选出无关内容的样本。

优选的，所述步骤2中将采集的所有样本按照相同属性值进行分类，属性值包括关键词组、故障类型、故障分析结果以及不可抗力因素，将类似的样本划分到同一个集合中，生成的所有集合标记为P1、P2、P3...Pi、Pj，同时保证集合P1、P2、P3...Pi、Pj中全部都有足够的样本量。

优选的，所述步骤3中对每一个集合P中的所有样本特征值进行提取，观察样本数据的相似程度，对相似程度较高的样本进行特征值融合，优化成一个新的样本数据，同时对集合P1、P2、P3...Pi、Pj中的样本全部进行更新，优化所有集合中的样本容量。