【摘 要】
：
在工业领域,生产设备故障甚至停机可能为工厂带来无法估量的经济损失。如果技术人员能够提前预知设备故障的发生,就可以提前拟定维修方案,减少因为故障发生带来的影响。收集生产数据并在工业物联网（Industrial Internet of Things,IIo T）的中心云端进行故障预测是目前工厂生产提质增效的有效手段。但大量生产数据的传输可能会由于网络带宽的限制产生不可预知的延迟,还会对中心云造成巨大的
论文部分内容阅读
在工业领域,生产设备故障甚至停机可能为工厂带来无法估量的经济损失。如果技术人员能够提前预知设备故障的发生,就可以提前拟定维修方案,减少因为故障发生带来的影响。收集生产数据并在工业物联网（Industrial Internet of Things,IIo T）的中心云端进行故障预测是目前工厂生产提质增效的有效手段。但大量生产数据的传输可能会由于网络带宽的限制产生不可预知的延迟,还会对中心云造成巨大的计算能耗和存储压力。因此,如何设计高性能故障预测模型,并在合理的延迟和能量消耗下完成故障预测任务是目前亟待解决的问题。为了解决上述问题,本文将故障预测分为两部分,第一部分为通过原始数据进行设备状态数据预测,第二部分为利用预测的状态数据进行故障诊断。针对故障预测在实际生产中的应用需求,本文结合云计算与边缘计算各自的特性,设计了面向工业物联网云边协同的故障预测系统框架。为提高数据预测精确度,本文搭建了基于深度学习（Deep Learning,DL）的数据预测模型。在CNN-LSTM的基础上构建了MKCNN-LSTM模型和基于注意力机制的MKCNN-LSTM模型。上述模型由于引入了多尺度卷积核和注意力机制,特征学习能力显著提高,能够实现高精度的数据预测。为了准确地诊断出设备可能发生的故障,本文提出了基于深度学习的多源数据特征融合的故障诊断模型,提高了故障诊断准确度。本文通过混合卷积模型提取单源数据的特征,并在此基础上,构建了两种基于多源数据特征融合的故障诊断模型,即MFCNN模型和MFSCNN模型。两种模型以不同的方式将输入数据的特征进行融合,使最终诊断的结果更加准确。本文基于故障预测系统框架设计了一种面向工业物联网云边协同的故障预测系统,并结合所提故障预测模型进行了具体实现。该系统能够利用有限的边缘计算节点计算资源,协同中心云进行高准确度的故障预测,加快了模型的推理速度。上述故障预测系统的实现赋予了故障预测模型实际的应用价值,为未来生产环境下的设备故障预测打下基础。
其他文献
区块链作为数字资产的结算日志,能够帮助金融机构进行跨组织交易。金融机构通常采用明文的方式将交易信息记录在账本上供第三方审计机构进行审查和监督。然而,明文审计会泄漏参与机构的财务收支、交易策略等隐私信息,存在经济损失的潜在危险。现有的方案通常采用加密的方式对账本的隐私信息进行保护,但是该方式不支持账本信息的审计,导致了金融机构交易过程的可信度降低。如何在保护账本隐私的情况下审计交易的正确性和账本的完
基于深度学习的实体关系抽取算法表现出较高的性能,但是现有算法通常假设待预测的关系是一个固定的集合,在使用一个固定的数据集对模型进行训练之后,就用该模型进行预测。然而,在真实场景中,往往会不断出现新的样本和关系,导致现有实体关系抽取算法面临灾难性遗忘的问题,即模型只能识别正在学习的样本中包含的关系,而遗忘从以前任务中学到的知识,最终导致模型在以前任务上的性能严重下降。因此如何提高实体关系抽取算法的实
分布式计算平台Spark在大数据领域迅速发展,其内存计算的特性相较于其他大数据平台,减少了磁盘读取开销,缩短了数据处理时间,在机器学习、图像处理等大规模计算应用方面具有广阔的应用前景。国内外许多企业已将Spark平台应用在实际生产环境中,如亚马逊、阿里、华为等。但Spark平台的性能方面仍需提高,Spark的任务调度机制基于同构集群的理想化设计,导致异构集群中高性能节点的硬件优势未被充分利用,从而
随着信息化技术的快速发展,同类信息通过不同的呈现方式可以形成多种域的图像。这些不同域的图像信息互为补充,能够为人们的生活提供更丰富的视觉体验。因此,计算机视觉领域的研究人员对跨域图像转换算法进行了深入研究。跨域图像转换算法根据有无配对数据可分为有监督与无监督两种模式,每种方式都能够保证转换后信息的完整性,提升转换后图像的美观性。其中,基于生成对抗网络的跨域图像转换算法利用生成器与鉴别器互相博弈,最
随着大数据、人工智能等科技的蓬勃发展,信息安全问题逐步成为当今社会最紧要的问题之一,国家更是出台了多项信息安全方面的要求规划,强调注重发展的同时要兼顾安全。而在各类信息安全问题中最不容忽视的就是个人信息泄露问题,攻击者会利用窃取到的用户个人信息对该用户进行攻击,导致被攻击用户在个人隐私、财产等诸多方面遭受巨大损失,因此,当前如何更好地保护和解决个人信息安全问题,成为了社会各界关注的焦点。身份认证技
随着近几年智能家居行业的快速发展,越来越多的智能设备被生产并用于满足人们的个性化需求。然而,这些智能设备可能属于不同的供应商并且提供不同的功能与服务,因此很难将集中式的解决方案应用到智能家居系统中。区块链（Blockchain）技术因其不可篡改性、去中心化特性以及其他安全性方面的优势而具有解决智能家居潜在问题的可能。然而,随着终端设备数量与资源数量呈现爆发式增长,以及愈加繁复的应用场景性能需求,将
随着深度神经网络的发展,深度学习在图像分类、目标检测、模式识别等领域都取得了与人类相当甚至更好的表现。然而,在现实世界中可能存在多个任务构成的数据流,神经网络并不具备在数据流中调整自身适应新任务的同时还能维持网络在旧任务上的表现的能力,因此会出现灾难性遗忘。这大大地影响了通过深度神经网络走向强人工智能的进程。因此,研究深度神经网络的持续学习算法,解决灾难性遗忘具有重要的理论意义与应用价值。现存的持
蒲公英（Taraxacum mongolicum Hand.-Mazz.）作为一种药食同源植物,富含多种功能性成分,具有较高的开发价值。实验以蒲公英全草为原料,对蒲公英中醇溶及水溶性成分的提取工艺进行了研究;以蒲公英提取浓缩液为原料,研制出了风味和稳定性都较佳的蒲公英口服液,并对蒲公英口服液的抗氧化活性和抑菌活性进行了探究,以期对蒲公英的开发及综合利用提供有益的支撑。主要研究内容及结果如下:（1）
高光谱成像系统将成像技术与光谱技术相结合来检测物体的空间特征,使高光谱图像可以捕捉场景的详细光谱分布。高光谱图像数据作为一个数据立方体,通常具有多个相邻的窄带,采集到的图像相比于普通RGB彩色图像包含更加丰富的信息,在诸多领域拥有巨大优势,广泛应用于许多遥感领域,包括目标检测、变化检测、分类、聚类和分割。然而光谱、空间等不同维度无法同时高分成像,这是由于高光谱成像机理的限制。在获取高光谱图像时使用
当今世界,随着人工智能技术在军事指挥领域的应用,战争形态已经发生了巨大的变化。在许多场景下,特别是无人机群作战场景下,战场形势瞬息万变,传统的依赖指挥官的指挥决策方式已经完全不能满足作战指挥的要求。必须针对各种场景研究指挥官辅助决策系统,为指挥官快速提供多套可行的作战方案,供指挥官选择。论文针对无人机群对地面目标的进攻作战和防空武器部署两个作战场景,研究指挥官辅助决策系统,决策系统具有指挥官意图识