針對工業(yè)物流方式的發(fā)展需求和物流設(shè)備故障維修的局限性,結(jié)合云服務(wù)思想,研究設(shè)計了一種基于云服務(wù)的物流設(shè)備故障預測系統(tǒng)。通過對物流設(shè)備采集的故障數(shù)據(jù),采用機器學習等方法建立了一種物流設(shè)備故障預測模型,在云平臺上形成診斷實例,提出維修建議,實時推送給設(shè)備運維人員。該系統(tǒng)旨在通過提供物流設(shè)備的適時維護建議,減少設(shè)備突發(fā)故障風險,提高設(shè)備的可用度,降低設(shè)備運維成本。

【文章頁數(shù)】：4 頁

【部分圖文】：

圖1物流設(shè)備故障預測系統(tǒng)框架圖

設(shè)備故障采集層通過集成接口和人機接口分別對設(shè)備故障數(shù)據(jù)和人員輸入故障數(shù)據(jù)進行實時或周期性的采集，并將采集到的數(shù)據(jù)由互聯(lián)網(wǎng)儲存到云服務(wù)中心相應(yīng)的服務(wù)器集群中。云服務(wù)中心主要對數(shù)據(jù)進行存儲管理和對資源進行分配調(diào)度，并搭建相關(guān)業(yè)務(wù)服務(wù)。基礎(chǔ)服務(wù)主要包括服務(wù)器集群和資源管理等，對不同數(shù)據(jù)....

圖2LSTM網(wǎng)絡(luò)中長期狀態(tài)c的控制

LSTM長短期記憶網(wǎng)絡(luò)在引入定向循環(huán)，使網(wǎng)絡(luò)不但能接受樣本的信息還能接收上一時刻的信息，并加入隱藏層單元Cell和3個控制門：輸入門決定讓多少輸入信息加入Cell單元；遺忘門決定保留多少上一時刻的狀態(tài)；輸出門控制具體的輸出比例。本系統(tǒng)將處理后的故障狀態(tài)數(shù)據(jù)根據(jù)一定的比例劃分測試集....

圖3引入高斯核函數(shù)的SVM

本系統(tǒng)通過支持向量機SVM進行分類，把訓練好的故障數(shù)據(jù)分為各種故障類型。支持向量機的基本原理是尋找一個離訓練集最遠的最優(yōu)化超平面，作為分類的分界面，通常進行二分類。但是由于物流設(shè)備故障數(shù)據(jù)結(jié)構(gòu)復雜，線性不可分，因此引入高斯核函數(shù)對其進行處理，可以更好的對線性不可分的數(shù)據(jù)進行分類。....

圖4診斷實例目錄

系統(tǒng)根據(jù)預測的故障類型結(jié)合采集的人員輸入故障數(shù)據(jù)和云服務(wù)中的人工數(shù)據(jù)庫，按照映射規(guī)則，進行數(shù)據(jù)查詢，提出維修建議。最終形成一份物流設(shè)備故障診斷實例存儲到云服務(wù)中心的數(shù)據(jù)庫中[3]。其中每個診斷實例都具有唯一性，如圖4所示。3.2.6物流設(shè)備故障預測整體流程

本文編號：3929417