1、学 位 论 文基于关联规则的数控加工过程优化控制方法研究河北工业大学硕士学位论文基于关联规则的数控加工过程优化控制方法研究摘 要随着检测技术、数据库技术以及数据管理技术的不断发展，人们在生产过程中积累的数据越来越多，这些杂乱的、看似毫无规律的数据中隐含了许多以人类自身的能力不能发现的知识，所以人们希望借助计算机的力量发现这些知识，数据挖掘便由此产生。在数据挖掘发现的知识中，关联规则是其重要的一个研究方向，关联规则主要进行数据库中的数据项集之间的关联分析。数控机床作为一种高精度、高效率的加工设备，其生产加工过程中受到许多因素的共同影响，是一种典型的复杂加工过程，因此利用数据挖掘和关联规则分析并发
2、现加工过程中各参数之间的关联关系，从而实现对数控加工过程的优化控制就变得很有必要。论文首先对数据挖掘和关联规则的理论进行了深入的调查研究，在分析了数控加工过程的优化控制原理后，将数据挖掘和关联规则引入到数控加工过程的优化控制中。然后，对数控加工过程中的参数进行关联分析，即进行数控加工过程中关联规则的挖掘，论文在分析了传统经典挖掘算法Apriori 算法和 FP-growth 算法后，总结了传统经典挖掘算法的不足，为了克服这些不足之处，将一些相对成熟的人工智能技术应用于关联规则的挖掘中。在分析比较了多种人工智能技术的特点后，论文最终选择利用 BP 神经网络和模糊理论进行数控加工过程中的关联规则挖
3、掘。最后，论文根据数控加工过程中的检测数据进行了关联规则的挖掘，并提取出了其中的关联规则，验证了 BP 神经网络和模糊理论在关联规则挖掘中的可行性及正确性，实现了数控加工过程的优化控制。通过论文的研究，实现了利用关联规则对数控加工过程的优化控制，可以使数控加工过程的优化目标函数及其各个影响参数在最优值上运行，提高数控机床的效率及精度，从而实现了高效率、高精度、高可靠性数控制造。关键词：数据挖掘，关联规则，数控加工，优化控制，神经网络i基于关联规则的数控加工过程优化控制方法研究RESEARCH ON THE OPTIMAL CONTROLOF NC PROCESSBASED ON ASSOCIA
4、TION RULESABSTRACTwith the continuous development of the measurement technology, database technology and data management technology, the data which accumulate in the production process are keeping rise, these data which seem disorderly and irregular, but they implicate lots of knowledge which cant b
5、e discoverered easily by human being. So people hope to discovere these knowledge by computer. For this reason, data mining has generated. In the knowledge of data mining discovered, association rules is one of the most important fields. Association rules mainly analyze the relationship among items
6、in database.As a high accuracy and high efficiency fabricate equipment, Numerical Control(NC) machine is a typical complex process in manufacturing procedure with so many factors. Therefore, in order to optimal control the NC process, it is necessary to analyze and discover the associations of the p
7、arameters by taking advantage of data mining and association rules.The paper, first of all, has made a deeply investigation and study on the theory of data mining and association rules. After having analyzed the principle of NC process optimial control, we introduce data mining and association rules
8、 into optimal control of NC manufacturing procedure, and make some association analysis among the parameters of the NC process, which means association rules mining of NC process. After having analyzed the classic mining algorithm-Apriori algorithm and FP-growth algorithm, we summarize their shortag
9、es of classic mining algorithm and apply some relatively perfect artificial intelligence technology into association rules mining to overcome these shortages. After having analyzed comparison of many intelligence technology, BP neural network and fuzzy theory are selected to mining association rules
10、 finally. In the end, association rules is mined and extracted based on the data accumulated in NC process, and the feasibility and validity of using BP neural nerwork is verified, and the optimal control of NC process is carried out.By these research of this paper, the optimal control of NC process
11、ing is carried out. In NC processing the optimization target and its influenced parameters, are running by the optimum value. The efficiency and precision of NC machine is improved. The NC manufacture achieved high efficiency, high precision and high reliability.KEY WORDS: data mining, assiciation r
12、ule, NC process, optimal control, nerual networkii河北工业大学硕士学位论文目 录第一章 绪论 .11-1 论文研究的背景及意义 .11-2 数据挖掘及关联规则概述 .21-2-1 数据挖掘技术概述 .21-2-2 数据挖掘技术发展的历史及现状 .21-2-3 关联规则的发展现状及趋势 .31-3 论文的研究内容及结构安排 .5第二章 关联规则概述 .72-1 关联规则的基本理论 .72-2 关联规则的基本分类 .92-3 关联规则在优化控制中的应用 .102-3-1 数控加工过程优化控制理论 .102-3-2 数控加工过程优化及其中的关联规则理
13、论 .112-3-3 关联规则用于优化控制的基本原理 .132-4 关联规则的挖掘步骤 .142-4-1 数据挖掘的一般步骤 .102-4-2 关联规则挖掘的一般步骤 .102-5 本章小结 .14第三章 关联规则的挖掘算法 .173-1 关联规则挖掘传统经典算法综述 .173-2 Apriori 挖掘算法 .173-2-1 Apriori 算法及其挖掘过程 .173-2-2 Apriori 算法存在的不足 .223-3 FP-growth 挖掘算法 .223-3-1 FP-growth 算法及其挖掘过程 .223-3-2 FP-growth 算法存在的不足 .273-4 传统经典算法存在的不
14、足 .283-5 关联规则挖掘的智能算法 .283-5-1 关联规则挖掘中的人工智能算法 .283-5-2 神经网络用于关联规则挖掘的特点 .303-5-3 模糊理论用于关联规则挖掘的特点 .313-6 本章小结 .32第四章 神经网络和模糊理论对关联规则挖掘的应用.33iii基于关联规则的数控加工过程优化控制方法研究4-1 神经网络的基本理论 .334-1-1 神经网络的基本结构 .334-1-2 神经网络的工作原理 .364-1-3 神经网络实现关联规则挖掘的模型 .364-2 BP 神经网络的结构和算法 .374-2-1 BP 神经网络模型结构 .384-2-2 BP 神经网络学习算法原
15、理 .384-2-3 BP 神经网络算法及学习过程 .414-3 模糊理论的基本理论 .434-3-1 模糊理论的提出及在关联规则挖掘中的引入 .434-3-2 模糊理论中隶属函数及确定方法 .444-4 本章小结 .45第五章 数控加工过程中关联规则的挖掘 .465-1 数控加工过程中关联规则挖掘的总体思路 .465-2 关联规则挖掘的目标函数及参数选择 .475-2-1 数控加工过程及优化目标 .475-2-2 关联规则挖掘的目标函数的确定 .485-2-3 影响表面粗糙度的参数 .485-3 关联规则挖掘中支持度的确定 .525-3-1 关联规则挖掘中参数的选择与确定 .525-3-2
16、BP 神经网络的建立及其对参数的预测 .535-3-3 关联规则支持度的计算 .565-4 关联规则挖掘中可信度的确定 .575-4-1 关联规则挖掘中可信度的表示 .575-4-2 关联规则挖掘中可信度的计算 .595-5 关联规则的提取及应用 .605-5-1 关联规则的提取 .605-5-2 关联规则的解释及其在优化控制中的应用 .615-5-3 关联规则优化结果与其他优化结果的比较 .625-6 本章小结 .63第六章 结论与展望 .646-1 全文总结 .646-2 发展与展望 .64参考文献 .66致谢 .69攻读学位期间所取得的相关科研成果 .70iv河北工业大学硕士学位论文第一
17、章 绪论1-1 论文研究的背景及意义上世纪初以来，由于科学技术的高速发展，尤其是微电子技术、计算机技术、人工智能技术的迅猛发展，以及这些技术在制造业中的广泛应用，制造业也发生了根本性变革，由传统的自动单机的单机自动化时代向着现代的自动化、最优化、柔性化、集成化、智能化和精密化方向发展，各工业发达国家和发展中国家都投入巨资，通过不懈的努力对现代制造技术进行研究开发，提出了全新的制造模式。在现代化的制造系统中，数控技术集微电子、计算机、信息处理、自动检测、自动控制等高新技术于一体，具有高精度、高效率、柔性自动化等特点，已经成为制造业中最重要的关键技术之一，对制造业实现柔性自动化、集成化、智能化起着
18、举足轻重的作用。随着数控技术的不断进步与发展，数控技术已经成功应用于各种各样的机床上，形成了数控车床、数控铣床、数控磨床以及复合数控机床等多种数控机床，并发展了工序集中的复数控技术广泛地应用在制造业的各种部门，数控加工技术已成为先进加工技术的基础。数控机床作为一种自动化高效设备，结构和控制系统越来越复杂，其生产加工过程也受到越来越多的因素的影响，这些影响因素之间相互联系、相互制约，存在着一定的量化关系。为了深入研究生产过程的机理，控制加工质量，提高加工效率，往往需要找出描述这些过程变量之间依存关系的数学表达式。但是在许多生产过程中，由于过程变量之间的关系比较复杂，而不容易推出精确的数学表达式；
19、或者由于生产过程中不可避免地存在着各种干扰和随机误差，而使得变量之间的关系具有某种不确定性。因此采用数理统计的方法，分析大量的实际生产中的数据，寻找过程变量之间的潜在规律性就成为必要和可能。利用统计出的规律，确定各个过程变量的最优值，并且人为地加以调整，在生产过程中被人们称为“优化”。根据优化求出的最优参数来实时地改变控制系统的设定值，使系统在最优点上运行，从而提高经济效益，这就是人们常说的“优化控制” 1。对于数控机床这类自动化高效设备，在其生产加工过程中进行优化控制是提高机床精度和性能的重要手段之一，人们一直以来都不断地对数控机床的优化控制进行探索研究，已经取得了一些成果，但还远没有达到人
20、们的期望和要求，因此人们不断地引进新方法、新技术，希望克服由于数控设备本身复杂性带来的不利影响。目前，在数控加工过程中常用的优化控制方法，一般是在满足一定的约束条件下，通过一定的方法得出在所要求的优化目标函数达到最大值或是最小值时各个设计变量的值，通过调整数控机床中的各个设计变量值达到对目标函数的优化控制。在这一优化过程中，目标函数以及各个设计变量值都是一一对应的某一个固定值，要想使目标函数取得最优值必须使数控机床在设计变量的精确值上运行，这样很容易增加数控机床的操作难度。同时，数控加工过程中经常会受到随机因素以及一些加工条件的影响，现在的优化方法对这些因素影响的描述往往带有一定的主观性，这就
21、影响了数控机床的加工效率和加工质量。本文采用数据挖掘中的关联规则方法对数控机床的生产加工过程进行优化控制，可以将随机因素和加工条件的影响反映在关联规则中，除此之外，根据关联规则自身的优点，它可以取得目标函数在区间内的优化值，并得到相应目标函数最优时的设计参量数值，当然设计参量值也相应的为区间值，这也就是说将设计参数值设置在区间内时就可以达到目标函数的最优化，因此在保证目标函数最优，达到对数控机床加工过程优化控制的同时，增加了操作人员对数控机床的可操作性。1基于关联规则的数控加工过程优化控制方法研究1-2 数据挖掘及关联规则概述1-2-1 数据挖掘技术概述随着数据库技术和数据管理技术的不断发展，
22、人们在生产过程中积累的数据越来越多，这些激增的数据背后隐藏着大量的不为人知的知识，然而从表面看这些数据都是毫无规律、杂乱无章的，已经远远超出了人类的理解能力，以人类本身的能力已经不能发现这些知识，也就造成了“数据丰富、知识贫乏”的窘境，因而人类迫切希望借助计算机的力量发现这些知识，数据挖掘技术因此产生，并不断得到发展。数据挖掘（Data Mining，简称 DM），指从大量的、不完全的、有噪声的、模糊的、甚至是随机的应用数据中，发现并提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一门交叉学科，它把人们对数据的应用从低层次的简单查询，提升到从数据中挖掘知识，提供
23、决策支持 234。从不同的角度看，数据挖掘技术可以有许多不同的分类方法，其中以挖掘知识的抽象层次划分，有原始层次（Primitive Level）的数据挖掘、高层次（High Level）的数据挖掘和多层次（Multiple Level）的数据挖掘。根据数据挖掘所发现知识的种类分类，数据挖掘技术可以分为：总结（Summarization）挖掘、特征（Characterization）挖掘、关联（ Association）挖掘、分类（ Classification）挖掘、聚类（Clustering）挖掘、趋势（Trend）分析、偏差（Deviation）分析、模式（Pattern Analysi
24、s）分析等。数据挖掘发现的知识有许多表示方法，其中应用最为广泛的形式表示有：概念（Concepts ）、规则（Ru1es）、规律（Regularities ）、模式（Patterns）、约束（ Constrains）、可视化（Visualization）等，这些用一定形式表示的知识可以直接提供给决策者，辅助决策过程；或者提供领域专家，修正己有的知识体系，也可以作为新的知识转存到系统知识存储机构中，比如专家系统（Expert System）、规则库（Rules Base）等等 5。数据挖掘的任务是从巨量数据中发现知识。知识是人类认识的成果和结晶，包括经验知识和理论知识。从工程角度定义，知识是用于解决问题的有格式可复用的信息。在传统的决策系统中，知识库中的知识和规则是由专家或程序人员建立的，是由外部输入的。而数据挖掘的任务是发现大量数据中尚未发现的知识，是从系统内部自动获取知识的过程。对于那些决策者了解的信息，可以用查询、联机分析处理（OLAP）或其它工具直接获取，比如“列出各分公司上一个月的销售情况”。而另外一些隐藏在人量数据中的关系、趋势，即使是管理这些数据的专家也是没有能力发现的。这些信息对于决策可能又是至关重
