[发明专利]基于Apriori建立工艺-质量-不平衡量关联关系模型的方法

说明书

本发明公开了一种基于Apriori建立工艺‑质量‑不平衡量关联关系模型的方法，首先调取装配留档数据库内数据以及云端大数据，对数据进行预处理；再对连续数据Chi‑merge离散化，之后形成事务数据集；然后对事务数据集进行关联分析，得到事务或项集与不平衡量之间的关联关系支持度和置信度；接下来基于Apriori关联算法，对装配过程中的影响因素与不平衡量进行关联分析，建立不平衡量关联关系模型；最后基于不平衡量关联关系模型，挖掘工艺、质量和不平衡量之间的内在关系，分析计算其中相关性影响因子的影响比重，并对不平衡量增减影响进行定量分析。本发明能为航空发动机低压风扇转子的设计、制造和装配提供建设性建议根据。

技术领域

本发明属于发动机技术领域，具体涉及一种建立工艺-质量-不平衡量关联关系模型的方法。

背景技术

研究转子不平衡量与工艺、质量因素相互耦合的信息作用规律，挖掘工艺、质量和不平衡量之间的内在关系、研究隐藏在低压风扇转子装配过程中海量数据间的潜在价值，得到其中相关性影响因子的影响比重，对航空发动机低压风扇转子的装配有着重要意义。

文献“高速铁路动车组故障关联关系分析的研究”分析了目前国内外动车组和数据挖掘的研究现状，梳理了动车组故障信息数据的种类，分析了动车组数据存在的问题，给出了数据清洗、数据转换等数据预处理方案，提出了基于加权思想的FP-Growth关联挖掘算法，称为WFPAM算法，通过设置权值来表示动车组故障数据中不同项目的重要程度；为了提高算法的执行效率和性能，采用深度优先搜索方法对FP-tree进行先根遍历，避免了挖掘FP-tree产生条件模式基时多次回溯的问题；使用FP-Growth，WFPAM，MR-WFPAM三种算法进行了动车组故障数据关联关系挖掘实验，最终找出了与列车组故障关联程度较大的因素，有效地对故障提前进行预防。

发明内容

为了克服现有技术的不足，本发明提供了一种基于Apriori建立工艺-质量-不平衡量关联关系模型的方法，首先调取装配留档数据库内数据以及云端大数据，对数据进行预处理；再对连续数据Chi-merge离散化，之后形成事务数据集；然后对事务数据集进行关联分析，得到事务或项集与不平衡量之间的关联关系支持度和置信度；接下来基于Apriori关联算法，对装配过程中的影响因素与不平衡量进行关联分析，建立不平衡量关联关系模型；最后基于不平衡量关联关系模型，挖掘工艺、质量和不平衡量之间的内在关系，分析计算其中相关性影响因子的影响比重，并对不平衡量增减影响进行定量分析。本发明能为航空发动机低压风扇转子的设计、制造和装配提供建设性建议根据。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1：调取装配留档数据库中的止口配合面粗糙度、端面跳动、拧紧力矩数据以及存储在云端的大数据，对数据进行预处理；

去除无用项和重复项，删除数据中与正常值偏差超过给定阈值的数值；数据中的缺失项使用平均值填充；

步骤2：连续数据Chi-merge离散化；

步骤2-1：初始化；

根据离散属性对步骤1处理过的数据按照数值从大到小排序，将每个样本归属于一个不同的区间；

步骤2-2：通过公式(1)计算每一对相邻区间的卡方值：

式中，m＝2，表示每次比较两个相邻区间，k表示类别的数量，A_ij表示第i区间第j类的样本数量，E_ij表示A_ij的期望，

式中，为i区间中样本数，为j类样本的个数，为总样本个数；

步骤2-3：选择显著性水平，根据自由度确定卡方阈值；卡方值小于卡方阈值的区间合并，大于卡方阈值的区间不进行合并；