基于FP-Growth算法的数控机床故障特征分析

来源：机床与液压杂志2022年第16期北京时间：

作者：曾夏，张富强，邵树军，杜超

单位：长安大学道路施工技术与装备教育部重点实验室，长安大学智能制造系统研究所；长安大学道路施工技术与装备教育部重点实验室，长安大学智能制造系统研究所；陕西法士特齿轮有限责任公司；陕西法士特齿轮有限责任公司

摘要：数控机床故障问题的及时响应、故障原因精准判断以及解决方案的快速识别是实现制造单元智能化的关键。基于数控机床历史运维数据，采用关联规则挖掘 FP-Growth算法实现数控机床故障模式、原因的关联规则挖掘。首先对运维数据进行故障特征分析,构建基于关联规则的故障诊断模型；其次，通过对历史故障模式及其相应故障原因进行挖掘，生成故障诊断关联规则；最后结合关联规则的支持度、置信度等评估指标进行分析，并推演出关联概率的大小，验证了FP-Growth算法用于数控机床故障特征分析的可行性和合理性。

关键词：数控机床;关联规则;故障特征分析

基金资助：陕西省科技重大专项 (2018zdzx01-01-01);陕西省自然科学基金（2021JM-173）;中央高校项目(300102250201)