推荐星级：

物联网设备故障数据定位优化仿真研究

更新时间：2019-12-12 11:50:20 大小：2M 上传用户：xiaohei1810 查看TA发布的资源 标签：物联网数据定位 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

对物联网环境下的不同设备故障数据进行检测定位,可提高物联网的可靠性、可修复性和安全性.由于物联网环境下存在大量硬件设备,在对设备进行故障检测时,无法统一故障阀值标准,导致传统方法无法用统一标准对差异化的设备进行故障检测,存在鲁棒性较差的问题.为解决上述问题,提出采用粗糙集算法的物联网环境下的不同设备故障数据挖掘定位方法.针对物联网设备运行数据连续性的特点,对采集到的初始数据进行离散化处理,针对冗余的数据特征属性进行约简,并依据相关原理构建故障数据挖掘定位的基本模型,采用模糊粗糙集算法对模型求解,实现了故障数据的有效分类,完成对设备具体故障元件的准确定位.实验结果表明,采用改进算法进行物联网环境下的不同设备故障数据挖掘定位,能够提高故障数据挖掘定位的准确性.

部分文件列表

文件名	大小
物联网设备故障数据定位优化仿真研究.pdf	2M

立即下载

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）

第33卷第9期

算机仿真

2016年9月

文章号：l006— 9348(2016)09— 0385— 03

物网

故障数据定位化仿真研究

(内蒙古

大学算机信息管理学院，内蒙古呼和浩特0100lo)

摘要：

物

网

境下的不同

，在

，存在棒性差的

运行数据

故障数据

行

定位，可提高物网的可靠性、可修复性和安全性。由于物

，无法一故障准，方法无法用差异化的

解决上述，提出采用粗糙集算法的物境下的不同

性的特点，采集到的初始数据行离散化理，冗余的数据特征属性

网

境下

行

存在大量硬件

行故障

致

一

准

故障

。

网

故障数据挖掘定位

方法。

物

网

行

，

并依据相关原理构建故障数据挖掘定位的基本模型，采用模糊粗糙集算法模型求解，

了故障数据的有效分，完成

故障数据挖掘定位，能提高

具体故障元件的准确定位。

故障数据挖掘定位的准确性。

果表明，采用改算法行物

网

境下的不同

关

中

：物

网

；故障数据；挖掘定位；粗糙集算法

分

号：TP227．2I

文献

：B

Lot

Failure Data Location

Simulation Research

Device

Optimization

ZHANG Lan

Info珊ation

of Finance and

Economics，

(College

Computer

Management，Inner Mongolia University

Hohhot lnner

Mongolia 010010，China)

method of difTerent

failure data in Intemet of

equipment

this

paper，we pmposed mining

location

ABSTRACT：In

at the

characteristic of

data in Intemet of

things，discretization

things． Firstly，aiming

continuity

equipment operation

was

wilh the

of collected injljal data was

feature altribute reductjon

canjed out

conducled，and

redundancy

pmcess

Then we built

location basic model of failure data

to the coITelation

We also used

data．

mining

according

theory．

set

to solve the model．

achieved the efkctive classincation of failure data and com—

fhzzy mugh

algorithm

Finally，we

fault

the

location of

simulation results show that it can

the

impmVe

accurate

equipment

specific

component．The

to make

pleted

fault in In—

data

location

the modi6ed

location to different

mining

equipment

mining

accuracy using

algorithm

temet of

things．

KEYWoRDS：Intemet

device；Failure data；Mining location；Rou曲set algorifhm

ofthings

的故障数据挖掘定位方法}和基于模糊聚算法的

故障数据挖掘定位方法”。其中，最常用的是基于关

引言

物

网作

新

的技

，是互网技与信息技

的物

网

境下的不同

些方法只能

，存在算复

上述方法的弊端，提出基于粗糙集算法的物

故障数据挖掘定位方法‘7。⋯ 。

合的物。物网的展不但能提高

的生生活提供了便利⋯ 。物

片核心器件、集成系、网通信

及智能信息系等等，一旦其中的任意

整个生影响，因此，如何

效益，

主要包含感

、感知末端

能

人

芯

件

但

一

行有效挖掘，在同

，棒性差的缺陷。

多个

网

行

、

网

生故障，将会

境下的不同

域重点研

境下的不同

算法，

构建故障数据挖掘定位的基本模型，并利用模糊粗糙集算法

故障数据挖掘定位方法。首次引入粗糙集

物

网

物

网

境下的不同

故障数据行挖掘定位，

故障数据行有效的挖掘定位，已

之一12“。

成

究的

模型求解，

型和用性。

了故障数据的有效分，具有好的

新

段，物

网

境下的

故障数据挖掘定位方法主

要包括基于决策算法的故障数据挖掘定位方法‘4。、基于关

2物

网

故障定位相关原理

收稿日期：2015一12— 08修回日期：2叭5一12— 17

是物

网

物物相的直接工具，其中任意

一385—

万方数据

生故障，都可能

此，不同故障数据的

重大。

故障数据挖掘即是从大量的、模糊的、随机的、不完全的

生

式反，影响整个物

系

。因

糙集算法的物

网

境下的不同

故障数据挖掘定位方

挖掘定位可以

物

网

法。

的

与

意

3．1数据离散化

采用粗糙集算法行物

据挖掘定位要求所理的数据必是离散的，而采集的初始

网

境下的不同

故障数

物

网

运行相关数据中

故障部位的

异常信息，提取故障数据特

征，

与定位的程。具体挖掘程原

运行数据多数具有

行离散化理，可以

的可理解性。

性，因此，通

待

理数据

理如下：

化

故障数据挖掘定位，提高数据

1)分析物

挖掘故障，以此构建

的运行数据与故障数据模型行匹配，若匹配失

，且没有生故障，返回，状况；若

匹配失但存在故障，需断，并将断出

出匹配

网

故障数据中的故障数据特征，熟知

故障模型，将采集到的不同

数据离散化理方法主要有以下几种：

1)等距离划分法。依据已知参数将数据属性

行等

行

距离划分，定x。。用来描述最大属性，X⋯ 用来描述最小

属性，＆定的参数，若划分的属性断点之隔描

6=(x。。一x⋯ )以，属性划分的断点可用下式表示

行

家

的

的新的故障数据加入模型；若匹配成功，

行具体定位。

果

述

X⋯ +洒，i=0，1，⋯ ，^

(1)

2)根据上述匹配果，行具体故障

元件的定位，

2)公平尺度法。定口∈c用来表示原始数据的

个

并从不同

方面故障元件c 生故障F的情形

M、A、Y的具体网不同

3)在定的差范内，将史故障数据及故障状

据作本，并分将物的重要系数M、磨

数A、寿命系数Y、故障概率P及故障

得物元件的性故障的影响 E。

4)参照上述性故障的影响 E的取

性故障的与定位。

的重要系数M、磨系数A及寿命系数Y三个

描述，并依据

估。

属性，依据口(戈) 的大小，将其所在元

行升序排列，

行

定z。、x，分

近

例，搜索数据，若足口(z。)=

搜索；相反，即可得断点c，

，

物

的

合

行

血(z，)或d(戈：)=d(z，)，

c=(n(戈。)+o(戈．))／2。

数

系

3)等率划分法。依据已知参数^将m个数据

象

合

当做网模型

行划分，划分后每段包含的数据

性M的最大和最小

的取大小行升序排序，并行划分，

的属性数量相同。

象

m几个，定任意属

的

入

，

网

分

用x⋯ 、x⋯ 表示，将属性肘所在

断点之

范

，

元

相

故障数据挖掘定位原理

如 1。

3．2

冗余数据特征属性的

故障数据的特征属性众多，极大的增加了数据

理和存的工作量，降低了挖掘效率。因此，离散化

，具体步如下：

c。算；

物

理后的冗余数据特征属性

1) 决策表的相关可辨

行

◇

矩

行

故

征

圈一困一圈

障

将

提

髓

2)将c。中取非空的所有元素c。(c。，≠O，C．， )构建

数学表达式

的

(2)

函

L-。。*。Ⅱ-

3) 全部的L。行合并运算，得到

(3)

。

卜％，Q，，0

。i≠0tci≠p

一]_1

4)将上式

行

化可得

￡=n厶

(4)

出

^昏卜一^母墨^了

圈菱一

]

上式中的任意取和，即

果即可故障数据的属性

故障数据挖掘定位基本模型

故障数据挖掘的

一个属性

果，

的

。

故障数据挖掘定位系

3．3

物

是一种比

分

程，

行

依据物

网

境下的不同

故障数据挖掘定位相关

原理，可

化奠定基

物

网

境下的不同

故障数据挖掘定位的

在

比

行故障数据挖掘，将待的数据与故障模型数据

，将待故障数据人具体的故障模式中，其中挖掘故

。

障数据的基本特征是故障数据挖掘定位的基。故障数据

挖掘的基本模型具体如 2所示：

3物

网

故障数据挖掘定位算法

采用

的方法行物

高，不能

网

的故障数据挖掘定位

由

2可知，故障数据挖掘定位模型的核心是

于

，

率

足

用需求。此，提出基于粗

的故障特征的提取和故障模型的匹配。

一386一

万方数据

故障数据挖掘定位基本模型

境

3．4

物

网

故障数据挖掘定位

程

基于粗糙集算法的物网故障数据挖掘定位

程如下：

1)建立物

y，矩中的任意元素y。(i√)用来描述决策表的本数据

ui、u，之的特征差异。u。、u，若足于特征c．上的取

网

运行相关数据决策表u的差异矩

、＼

／

＼

／

＼1

、

＼

／一

＼

／

相

、

^L～h

等，

0 yI(i，，)=0；否 0，，，^(i√)=1；

2) 定索引 R=①，加入故障数据矩中行中

的列和特征尺，尺=尺u c。；

有

—

一

算法

一改算法

3) 除特征C。所在列中等于l的行，算得到其余

数据特征

的列

次数

(5)

A“=乏：)，‘(i√)，|j}=1，2⋯

4不同算法的挖掘准确率比

4)若

列

足下列条件，

明

数据特征最重

要、区分能力最

，

将其加入特征集尺(R=R

G)：

(6)

A。t=mF’

∑y^(i，m七=1，2⋯

‘J

—

一

算法

5)将特征c。所在列的等于1的所有行的其它特征

除，得新的差异矩 y：

一改算法

行

6)依据上述方法直至y‘矩

境下的不同

0，得到

故障特征集

尺，

物

网

故障数据的分与定位。

‘～q

／

、、

、1

4仿真果及分析

厂

、

了

改

算法的有效性，需要行仿真

。

次数／次

采用VS．Net2005

境如 3。

4．1不同算法下故障数据挖掘准确率、分率及漏率比

平台

行

程的仿真。

5不同算法分率比

析改算法的系运行效率，就不同算法的运行

比，果如 7所示。

价改算法的算法性能，在相同的

下，分采用算法和改算法行物

故障数据定位挖掘

境与条件

行

由

网

境下的不同

7可知，采用改算法的系运行

小于

算

了

，

次数 10次，得到不同算

法

系

明改算法在提高故障数据挖掘准确性的同

效率，具有良好的用价

保

法的故障数据挖掘准确率、分率及漏率分

如 4— 6

。

所示：

由

4— 6可知，采用改算法行物

挖掘定位，定位准确率高于算法，同故障数据

率、漏低于算法，明改算法提高了故障

数据挖掘定位的有效性，更具越性。

的故障数据

分

的数据挖掘方法在行物

网

境下不同

率

明

故障数据挖掘定位准确性差的缺陷，提出基于粗糙集

算法的物

网

境下的不同

4．2不同算法下运行

比

(下第439 )

一387—

万方数据

型[J]．西大学学，2012，31(1)：63— 66．

[10] 朱志，等．基于PCA— BP神

究[J]．中国安全科学学，2013，23(4)：45— 50．

参考文献：

网

的煤与瓦斯突出

研

[1]

[2]

[3]

淑同．煤与瓦斯突出模

述与展望[J]．

安全与

研究

保，2014，4l(1)：83— 86．

，

，郭勇．基于PS0算法化的自

争神

李成武，何学秋．工作面煤与瓦斯突出危程度

[J]．中国大学学，2005，34(1)：7l一76．

新征，等．煤与瓦斯突出的PcA— BP神

[J]．算机T程与，20l，47(28)：219— 222．

『4]王社国，田志民，武莎莎．改 BP神在煤与瓦斯突出

中的用研究[J]．山机械，2014，42(5)：116一119．

[5] 念其，施式亮，李求．基于广的煤与瓦斯

突出区域 [J]．工程研究，2014，29(1)：25— 29．

全秋，等．算法与神合在煤与瓦斯突出危

中的用研究[J]．中国煤炭，20lO，36(3)：86— 89．

技

网

在煤与瓦斯突出

中的用研究[J]．中国煤炭，

2013，39(1)：106— 109．

网

模型研究

[12]

李

泉，等．煤与瓦斯突出警技

状与展望[J]．煤

安

全，2013．44(5)：160～163．

网

回

神网

[6]

[7]

[8]

[9]

网的

性

宁

元，等．基于BP神

网

煤与瓦斯突出

度

模型

[J]．煤开采，201l，16(6)：19— 21．

胡广青，姜波，吴胡．基于灰色关

一

神

网

的煤与瓦斯

模型[J]．中国煤炭地，2011，23(9)：22— 26．

生，薛惠．基于PsO— sVM的煤与瓦斯突出

突出

邵

度

模

(上接第387

)

参考文献：

[1]

效

，

章

．抗外界浪涌干

故障信号挖掘算法

—

一

算法l’

[J]．科技通，2014，30(2)：93— 95．

— · 一改算法r

[2] 阮梦黎．基于改 GEP的航空器故障数据挖掘研究与仿真

[J]．算机仿真，2015，32(6)：92— 95．

摹

暑I卜

匿

[3] 王翠娥，崔冬，李香林．通信网中非

控制故障数据

舞

件挖掘仿真[J]．算机仿真，2015，32(7)：394— 397．

[4]

崔

谷，徐漪霖，

文．形

数据中短前兆异常的追

r，

、

／

，√

踪

方法[J]．大地量与地球力学，2014，34(5)：55—

／

— 、1

L、一

、

58．

[5] 孟静，吴生．一种基于聚和快速算的异常数据挖掘算法

[J]．算机工程，2013，39(8)：60— 63．

次数，次

[6] 李立新，李文，蔡毅．

海基于物网技的智能家居

6不同算法漏率比

安防系的研究与开 [J]．控制工程，2015，22(5)：1001—

1005．

[7]

明．低碳供

境下物网RFID可信度研究[J]．微

子学与算机，2015，32(9)：144— 147．

芒

[8] 刘学航．数控刀架故障及故障数据的采集与理[J]．中国科

技博，2015，(44)：2“一244．

厘

[9] 慧，欣．模糊灰关在QAR故障数据

中的用[J]．

算机工程与

，2015，36(7)：1896— 1899．

算机硬故障数据恢复技 [J]．算机光

[10]

云

．

00 200 300 400

500 600 700 800 900 1000

件与用，2015，18(3)：14l一142．

数据条数

[作者介]

7不同算法运行

比

(1979一)，女( 族)，内蒙古呼和浩特市人

士研究生，，主要研究算机用。

故障数据挖掘定位方法。仿真果表明，采用改算法

境下的不同故障数据挖掘定位，能在保

运行效率的同有效的降低故障数据的分率和漏

行

物

网

系

率，提高数据挖掘定位的精度，具有良好的用价

。

一439—

万方数据

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

物联网设备故障数据定位优化仿真研究

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页