基于神经网络的数据挖掘算法研究与应用开题报告

1. 研究目的与意义（文献综述）

随着航运业的飞速发展，船舶的安全性越来越受到人们的关注。由于船舶动力系统设备自身结构复杂、工作条件非常恶劣，一旦其发生故障，将严重影响船舶的正常运行，造成巨大经济损失。

传统柴油机故障诊断技术通常采用热力参数监测、磨粒监测和声震监测。但柴油机由于工作压力大，其结构复杂，工作条件恶劣，发生故障的可能性较大，如果仅靠人力去检查维修，费时费力并且成本极高。随着现代科学技术的发展及自动化程度的提高，传统的柴油机故障诊断方法日益显现出不足和弊端，于是许多诊断故障的现代技术方法便在此背景下应运而生，如基于专家系统的智能化诊断方法，基于神经网络的诊断方法等。现在国内外柴油机故障诊断的发展趋势是不解体化、高精度化、智能化及网络化。例如对于不解体检测的研究其方向是开发可预埋在发动机内的传感器，美国、日本等国家已经成功地将超薄型传感器安置在发动机内。而智能化，就包括对设备监测数据使用数据挖掘算法进行分析与预测，这样不仅故障维护效率高，准确度高，成本也大大降低。

目前数据挖掘软件有很多，其中KNIME是一款具有友好交互界面的数据挖掘软件，整个开发都在可视化的环境下进行，通过简单的拖拽和设置就可以完成一个流程的开发。

2. 研究的基本内容与方案

1.了解knime数据挖掘软件的使用及柴油发电机电气故障原理如：

（1）电马达起动时，当蓄电池容量不够，将导致起动马达转动力矩太小

（2）电源导线截面太小或导线过长、导线接头接触不良,都将导致电能损失过大，使电马达的转动力矩太小，从而使柴油机曲轴转动很慢，达不到柴油机最低起动转速。

（3）电马达起动时,起动开关.继电器等零部件损坏，将使电马达根本不转动。

3. 研究计划与安排

第1-2周：调研课题背景与国内外研究现状，搜集相关学术期刊论文，对knime软件以及柴油发电机电气故障原理进行了解分析；

第3周：提交开题报告，开题答辩；

第4-12周：完成毕业设计论文初稿。开题报告上传后，每三周上传一次阶段性成果，截止6.6上传阶段性报告3-4篇；

第13-16周：修改论文，确定设计结果，准备ppt答辩；

4. 参考文献（12篇以上）

[1]李菁菁，邵培基，黄亦潇，等.数据挖掘在中国的现状和发展研究[j].管理工程学报，2004（03）：10～15.

[2]毛国君，等.数据挖掘原理与算法[m].北京:清华大学出版社,2005.

[3]pang-ningtan，michaelsteinbach，vipinkum.数据挖掘导论[m]北京：人民邮电出版社,2010.12.10

[4]davidhand，helkkimannila，padhraicsmyth.数据挖掘原理[j]北京:机械工业出版社,2009,09（12）：1721-1741.