矿山生产机电设备是机械、电气、液压、控制等多形式系统的复杂耦合 结构，工作过程中环境和工况条件变化多样，缺乏有效的技术手段解决矿山设备运行健康状态的实时感知问题。借助物联网、工业互联网、人工智能和大数 据挖掘技术，研究矿山设备状态知识建模与在线诊断方法，将传统的“人－机” 交互监控模式提升为“传感－机器认知－机器决策”的智能化监控模式。分析 了基于物联网的矿山设备状态感知系统架构，定义了多源信息感知层、边缘智 能层、大数据分析层和数据与知识共享迁移层的四个层次的作用，提出了设备状态知识共享与迁移模式；结合本体语义、置信规则库和数字孪生技术，设计了面向矿山机械设备系统状态知识建模的信息描述、知识表示、决策融合方法， 提出了面向矿山设备运行全过程的实时感知、演化分析与智能交互的“虚实融 合”感知模型，实现虚、实系统运行过程的“精准映射、信息对偶、融合交互、 协同演进”。分析了数据驱动的矿山机械设备状态诊断方法研究现状、技术架构、 存在问题和研究趋势，提出结合数字孪生、深度学习、迁移学习等方法，构建机理模型、经验知识与数据深层特征相融合的矿山设备状态诊断模式，研究矿山设备状态大数据分析与应用
2021-12-26 17:20:14
1.46MB
1
该实验由美国辛辛那提大学智能维护中心完成 数据包括三次03年试验 04年两次试验 该数据集是第一次的原始震动数据 文件名为每次记录试验的具体时间 精确到秒
The data was generated by the NSF I/UCR Center for Intelligent Maintenance Systems (IMS –
www.imscenter.net) with support from Rexnord Corp. in Milwaukee, WI
2021-12-11 09:35:51
350MB
1