本文關鍵詞： 復雜裝備 狀態(tài)監(jiān)測數(shù)據(jù) 數(shù)據(jù)驅動 裝備異常檢測　出處：《清華大學》2015年博士論文　論文類型：學位論文

【摘要】：近年來,隨著大數(shù)據(jù)技術以及物聯(lián)網(wǎng)技術在制造業(yè)的廣泛使用,以工業(yè)大數(shù)據(jù)為基礎的現(xiàn)代狀態(tài)監(jiān)測系統(tǒng),被廣泛應用于復雜裝備工作狀態(tài)的監(jiān)測。利用狀態(tài)監(jiān)測系統(tǒng)采集的復雜裝備的海量工作狀態(tài)數(shù)據(jù),可以有效分析裝備的異常工作運行狀態(tài),實現(xiàn)裝備的維修任務調度優(yōu)化、運行效率提升以及設計制造改進等。因此,基于裝備工作狀態(tài)數(shù)據(jù)的裝備異常檢測技術,越來越受到工業(yè)界尤其是復雜裝備制造業(yè)的關注。本文以復雜裝備的工作狀態(tài)數(shù)據(jù)為研究對象,圍繞裝備異常檢測這個核心問題展開。論文的主要內(nèi)容和貢獻如下:?針對海量的復雜裝備工作狀態(tài)數(shù)據(jù),提出一個面向裝備異常檢測的裝備狀態(tài)監(jiān)測數(shù)據(jù)空間的數(shù)據(jù)邏輯組織結構。基于該狀態(tài)監(jiān)測數(shù)據(jù)空間,采用Cassandra系統(tǒng)設計了一種基于自由表的工作狀態(tài)數(shù)據(jù)物理存儲結構,實現(xiàn)了“監(jiān)測裝備→狀態(tài)參數(shù)→采集時間→采集數(shù)值”的層級存儲結構。?針對單裝備單狀態(tài)監(jiān)測數(shù)據(jù)的裝備異常檢測問題,提出一個裝備狀態(tài)監(jiān)測指標空間。該指標空間包含每個狀態(tài)參數(shù)對應的狀態(tài)監(jiān)測序列的一級指標和二級指標。通過調整每個狀態(tài)參數(shù)的二級指標的異常閾值,可以有效檢測出狀態(tài)參數(shù)中的異常的狀態(tài)監(jiān)測序列。?針對單裝備多狀態(tài)監(jiān)測數(shù)據(jù)的裝備異常檢測問題,提出一種基于裝備工作周期中狀態(tài)監(jiān)測序列組潛在關系的異常檢測方法。該方法針對每個裝備工作周期中的狀態(tài)監(jiān)測序列組提取一個潛在關系向量,建立一個潛在關系概率模型。通過基于該潛在關系概率模型的最大似然分類器,可以有效檢測裝備工作周期中的異常狀態(tài)監(jiān)測序列組。?針對多裝備多狀態(tài)監(jiān)測數(shù)據(jù)的裝備異常檢測問題,提出一種基于多裝備群體協(xié)同的裝備異常檢測方法。該方法從時間維度和地區(qū)維度提取裝備的工作狀況矩陣,結合裝備異常矩陣,在協(xié)同過濾的框架下采用矩陣分解的技術,可以有效檢測每個地區(qū)的裝備異常數(shù)量。
[Abstract]:In recent years, with the extensive use of big data technology and Internet of things technology in the manufacturing industry, a modern condition monitoring system based on industrial big data has been developed. It is widely used in monitoring the working state of complex equipment. By using the mass working state data of complex equipment collected by the state monitoring system, the abnormal working state of equipment can be effectively analyzed, and the maintenance task scheduling of equipment can be optimized. Therefore, equipment anomaly detection technology based on equipment working state data, This paper focuses on the working state data of complex equipment, focusing on the core problem of equipment anomaly detection. The main contents and contributions of this paper are as follows:? This paper presents a logical data organization structure of equipment state monitoring data space for equipment anomaly detection, based on the data space of equipment state monitoring, based on the large amount of complex equipment working state data. A physical storage structure of working state data based on free table is designed by using Cassandra system, and the monitoring equipment is realized. 鈫扴tate parameter. 鈫扐cquisition time. 鈫扖ollection value "hierarchical storage structure.? Aiming at the problem of equipment anomaly detection of single equipment single state monitoring data, A state monitoring index space for equipment is proposed. The index space includes the first class index and the second level index of the state monitoring sequence corresponding to each state parameter. By adjusting the abnormal threshold of the second level index of each state parameter, Can effectively detect the abnormal state in the parameters of the state monitoring sequence.? Aiming at the problem of equipment anomaly detection with single equipment multi-state monitoring data, An anomaly detection method based on the potential relationship between state monitoring sequence groups in the equipment working cycle is proposed, which extracts a potential relationship vector for the state monitoring sequence groups in each equipment working cycle. The maximum likelihood classifier based on the probabilistic model of latent relation can be used to detect outliers in the equipment working cycle effectively. Aiming at the problem of equipment anomaly detection based on multi-equipment multi-state monitoring data, a method of equipment anomaly detection based on multi-equipment group cooperation is proposed, which extracts the working status matrix of equipment from time dimension and area dimension. Combined with the equipment anomaly matrix, the matrix decomposition technique is adopted in the framework of collaborative filtering, which can effectively detect the number of outliers in each region.
【學位授予單位】：清華大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TU646

【相似文獻】

相關期刊論文 前10條

1 黃士力;金惠英;周凡;馮涇;潘崇倫;;面向數(shù)據(jù)驅動應用的水務信息一體化數(shù)據(jù)組織與管理[J];水利水文自動化;2008年03期

2 刁柏青;喬迪;;元數(shù)據(jù)驅動在人力資源管理系統(tǒng)建設中的實現(xiàn)[J];電力信息化;2011年01期

3 尹雋;翁翔;;元數(shù)據(jù)驅動用于制造企業(yè)的敏捷搜索平臺研究[J];中國造船;2009年03期

4 姚傳胤;;關于數(shù)據(jù)驅動多微處理機系統(tǒng)[J];機械工程師;1985年02期

5 鄧達強,呂昱,韓曉剛;數(shù)據(jù)驅動的飛行動畫設計與實現(xiàn)[J];重慶大學學報(自然科學版);2001年02期

6 鄭羽;;鐵道工業(yè)信息資源管理中的元數(shù)據(jù)驅動框架[J];四川兵工學報;2011年09期

7 劉路放，赫孝良，，馮博琴，謝友柏;數(shù)據(jù)驅動的定量規(guī)律發(fā)現(xiàn)技術研究[J];西安交通大學學報;1999年05期

8 許正昊;張小和;張洋洋;胡小梅;;動態(tài)數(shù)據(jù)驅動應用系統(tǒng)仿真研究綜述[J];機械工程師;2014年04期

9 金大海,宮云戰(zhàn);數(shù)據(jù)驅動自動化測試方法研究[J];裝甲兵工程學院學報;2004年02期

10 林殷;李恒超;洪文;;基于數(shù)據(jù)驅動和統(tǒng)計擴散的樹冠提取方法[J];電子與信息學報;2008年09期

相關會議論文 前7條

1 胡繼華;;元數(shù)據(jù)驅動在信息資源管理中的應用研究——以城建行業(yè)為例[A];中國地理信息系統(tǒng)協(xié)會第三次代表大會暨第七屆年會論文集[C];2003年

2 石磊;;數(shù)據(jù)驅動新聞的制約與挑戰(zhàn)[A];媒介化社會的社會文明建構——第四屆“華中地區(qū)研究生新聞傳播學術論壇”優(yōu)秀論文集[C];2013年

3 韓守鵬;邱曉剛;黃柯棣;;動態(tài)數(shù)據(jù)驅動的適應性建模與仿真[A];中國系統(tǒng)仿真學會第五次全國會員代表大會暨2006年全國學術年會論文集[C];2006年

4 鄒自明;;國際日地空間物理虛擬觀測臺新進展[A];中國地球物理學會第二十四屆年會論文集[C];2008年

5 王承博;朱登明;;數(shù)據(jù)驅動的大規(guī)模水面動畫合成方法[A];第六屆全國幾何設計與計算學術會議論文集[C];2013年

6 劉倩;王緝憲;孫永海;;“數(shù)據(jù)驅動”的城市停車政策革新:方法與啟示——以深圳為例[A];:城鄉(xiāng)治理與規(guī)劃改革——2014中國城市規(guī)劃年會論文集（05 城市交通規(guī)劃）[C];2014年

7 黃大網(wǎng);南佐民;楊新亮;;數(shù)據(jù)驅動學習與英語寫作教學中的語域知識傳授——基于CLEC語料庫的個案研究[A];英語寫作教學與研究的中國視角——第四屆中國英語寫作教學與研究國際研討會論文集[C];2008年

相關重要報紙文章 前10條

1 上�？茖W學研究所 李輝 湯琦 梁Pr;數(shù)據(jù)驅動的創(chuàng)新[N];文匯報;2013年

2 趙國利;大數(shù)據(jù)驅動創(chuàng)新思維[N];解放軍報;2013年

3 吳勇毅;如何建立大數(shù)據(jù)驅動的商業(yè)模式[N];中國冶金報;2014年

4 羅慶朗;運用大數(shù)據(jù)驅動創(chuàng)新發(fā)展[N];學習時報;2014年

5 本報記者 姚傳富;數(shù)據(jù)驅動業(yè)務已經(jīng)成為潮流[N];人民郵電;2014年

6 本報記者 別坤;大數(shù)據(jù)驅動智能交通[N];計算機世界;2013年

7 ;探尋“大數(shù)據(jù)驅動創(chuàng)新”的路徑[N];文匯報;2013年

8 中國科學院院士 郭華東;科學大數(shù)據(jù)驅動學科發(fā)展[N];中國信息化周報;2014年

9 本報記者 宋辰;新互聯(lián)時代 數(shù)據(jù)驅動商業(yè)變革[N];計算機世界;2013年

10 姜浩端 國務院發(fā)展研究中心信息中心副研究員;數(shù)據(jù)驅動決策的挑戰(zhàn)[N];中國經(jīng)濟時報;2013年

相關博士學位論文 前10條

1 汲小溪;大數(shù)據(jù)驅動的計算生物標識研究[D];復旦大學;2014年

2 黃愛芹;基于數(shù)據(jù)驅動的調節(jié)閥故障診斷方法研究[D];山東大學;2015年

3 馬驍鵬;基于數(shù)據(jù)驅動的時變太陽風磁流體數(shù)值模擬[D];中國科學院國家空間科學中心;2016年

4 王楊剛;基于數(shù)據(jù)驅動的基礎地質圖件更新關鍵技術研究[D];中國地質大學(北京);2016年

5 何章鳴;非預期故障的數(shù)據(jù)驅動診斷方法研究[D];國防科學技術大學;2015年

6 丁建偉;數(shù)據(jù)驅動的復雜裝備異常檢測方法[D];清華大學;2015年

7 洪悅;基于機理和數(shù)據(jù)驅動的冷軋生產(chǎn)過程操作優(yōu)化研究[D];東北大學;2014年

8 劉強;數(shù)據(jù)驅動與機理分析相結合的冷軋連退過程故障診斷方法研究[D];東北大學;2012年

9 李永強;數(shù)據(jù)驅動非線性控制：鎮(zhèn)定、最優(yōu)鎮(zhèn)定以及輸出跟蹤[D];北京交通大學;2014年

10 謝雯;網(wǎng)絡化系統(tǒng)中的數(shù)據(jù)驅動估計與控制[D];北京理工大學;2014年

相關碩士學位論文 前10條

1 李方前;基于數(shù)據(jù)驅動的TE過程故障診斷研究[D];昆明理工大學;2015年

2 劉浩;基于即時學習的模型未知系統(tǒng)數(shù)據(jù)驅動控制策略研究[D];燕山大學;2015年

3 周晶晶;基于語料庫的大學英語詞匯教學實證研究[D];閩南師范大學;2015年

4 薛亮;數(shù)據(jù)驅動的商品推送系統(tǒng)的設計與實現(xiàn)[D];哈爾濱工業(yè)大學;2015年

5 陳金龍;大數(shù)據(jù)驅動的智能交通云服務構建與組合技術研究[D];杭州師范大學;2015年

6 李曉晨;面向軟件倉庫挖掘的數(shù)據(jù)驅動特征構建方法[D];大連理工大學;2015年

7 王秋鈺;大數(shù)據(jù)驅動下的影響者營銷研究[D];南京大學;2015年

8 汪盼;基于語料庫的數(shù)據(jù)驅動學習法在初中英語語法課堂教學中的運用研究[D];杭州師范大學;2015年

9 李娜;基于數(shù)據(jù)驅動的PID控制器優(yōu)化研究[D];華北電力大學;2015年

10 黃鼎慧;基于數(shù)據(jù)驅動的FAO系統(tǒng)測試方法研究[D];北京交通大學;2016年

本文編號：1542273