基于数据挖掘技术的CT设备故障预警研究

目的：基于数据挖掘关联规则算法构建CT设备故障特征信息模型，为CT设备运行和维护中的故障预警提供决策支撑。方法：根据CT设备实时监控数据信息和故障数据特点，分析研究Apriori算法中的缺陷，对CT设备故障特征信息进行特征构建，进而提出改进Apriori算法，以0～1矩阵为故障数据映射方案，按照矩阵设置规则进行数据计算处理，分析故障数据交际的频繁关联选项，研究CT设备多次故障与运行参数设置的关系，构建CT设备故障特征信息模型并进行验证，对比采用线性回归模型、物联网检测模型和故障特征信息模型的故障检测率和精确率以及故障特征信息模型应用前后的CT设备开机率。结果：CT设备故障特征信息模型的CT设备故障检测率和精确率分别为82.7%和94.2%，均高于线性回归模型和物联网检测模型；根据模型预测结果将CT设备预防性维护保养调整至故障高峰发生前1个月，模型应用后试点设备开机率比模型应用前提高5.7%。结论：CT设备故障特征信息模型能够降低传统算法的工作复杂性，提高CT设备故障检测准确性，为CT设备故障预警和预测提供良好的决策支持。