[发明专利]基于C4.5决策树算法的地下铲运机故障诊断方法

权利要求书

1.一种基于C4.5决策树算法的地下铲运机故障诊断方法，其特征在于：包括步骤如下：

(1)采集并提取地下铲运机传感器样本数据，并对数据进行预处理；

(2)将预处理后的样本数据进行健康状态标定，根据模糊理论中的归一化方法将数据划分为健康、亚健康和故障三种类型；

(3)划分数据集，将样本数据分为训练集和测试集；

(4)利用训练集样本数据生成决策树模型，进行剪枝；

(5)利用测试集数据对剪枝后的决策树模型进行测试，直到达到要求，生成最终的决策树，对实际出现的故障进行诊断。

2.根据权利要求1所述的基于C4.5决策树算法的地下铲运机故障诊断方法，其特征在于：所述步骤(1)中样本数据包括发动机油温、发动机油压、发动机进气歧管压力、发动机进气歧管温度、发动机冷却液温度、发动机转速、发动机扭矩、发动机燃油率、发动机负载、大臂与铲斗压力、转向泵压力、变速箱油温、变速箱油压、液压油温度、前轴制动压力、后轴制动压力、制动液压油温度、制动回路气压、右前轮胎压力、油门踏板位置、车速共21维参数；数据预处理包括数据清洗、数据插补和特征参数选取。

3.根据权利要求1所述的基于C4.5决策树算法的地下铲运机故障诊断方法，其特征在于：所述步骤(2)中归一化方法具体为：设样本数据中总共有n个维度的参数，其中第i维参数某一次提取的数据为x_i，样本中该维度参数的最大值为x_s，最小值为x_z，上阈值为x_y，其中x_s≥x_y，则数据x_i经过归一量化后的值由下式得到：

其中，λ_i为数据x_i归一化后的值，

实际工业生产中，设第i维参数和量化健康状态的相关系数为α_i，某一次提取的数据为x_i，将各个维度参数与相关系数相乘并求和如下：

其中，X_i为第i次采集数据的n维参数的综合评定结果，

再根据结果X_i的最大值X_s及最小值X_z对其进行归一量化如下：

其中，β_i为综合评定结果X_i归一化后的值。

4.根据权利要1所述的基于C4.5决策树算法的地下铲运机故障诊断方法，其特征在于：所述步骤(2)中三种健康类型划分依据为：归一化值在[0,0.5)区间内为健康，归一化值在[0.5,0.75)区间内为亚健康，归一化值在[0.75,1)区间内为故障。

5.根据权利要1所述的基于C4.5决策树算法的地下铲运机故障诊断方法，其特征在于：所述步骤(3)中划分数据集具体为：分别在步骤(2)三种类型的样本数据中随机选取90％作为训练集，10％作为测试集。

6.根据权利要求1所述的基于C4.5决策树算法的地下铲运机故障诊断方法，其特征在于：所述步骤(4)中建立决策树并剪枝的具体过程如下：

利用C4.5算法构造决策树，C4.5算法改用信息增益率来选择属性，即

式中Gain_ratio(D,a)是样本D中属性a信息增益率的大小，IV(a)为属性a的内在价值，Gain(D,a)为样本D中属性a信息增益的大小，T为属性a的取值数；

先计算所有属性的平均信息增益，将小于该均值的剔除，再从剩余的属性中选择信息增益率最大的属性作为节点处的分裂属性；之后再对建好的决策树进行剪枝，此处为后剪枝，由完全成长的树通过删除节点的分枝并用树叶来替换的方式剪去子树而形成剪枝后的决策树。

7.根据权利要求1所述的基于C4.5决策树算法的地下铲运机故障诊断方法，其特征在于：所述步骤(5)中要求为诊断准确率不小于90％。