数据工程学建设思考与实践

【目的】尽管数据科学已经可以处理大量的数据并解决了很多问题,正在改变着科研、企业运作和社会治理模式,但数据科学成果存在难以工程化的局限性,要将数据资产及其隐含价值有效转化为服务、决策、产品,形成数字经济,还需要建立数据工程学来支持对数据实施工程活动,实现数据驱动的数据价值转化,服务日常工作,形成数字经济。【方法】本文引入工程学思想,将伴随数据科学诞生的狭义数据工程推广为广义数据工程,论述了数据工程学建立的必要性,参考土木工程学科建设及工程学科应具备的特征,分析了基于数据物质基础的数据工程学知识特征,给出了数据工程学的概念、理论基础、研究内容、研究框架和主要技术体系,并通过两个数据工程应用案例说明建立数据工程这一新方法论的必要性。【结论】数据工程学具备了数据物质基础的独特知识体系,具备了综合数学、电子与信息、计算机、数据科学以及各领域学科的特殊研究方法,数据工程学建设的物质、理论、技术、需求等基础已经具备,建立数据工程学支持将数据资产转化为工程应用并形成数字经济非常迫切。     

基于数据融合技术的故障诊断特征向量的建立

本文给出了利用计算机自动检测和数据处理技术,在设备故障诊断系统的研制中,建立故障特征集合的方法。     

航电设备故障诊断专家系统

故障诊断专家系统在自动测试与诊断领域有着广泛的应用,它是自动测试系统的核心技术之一．介绍了某型机航电设备故障诊断专家系统,运用规则推理与Hash算法相结合的综合推理方式进行故障快速定位及故障预测,提出视情维修建议,提高了航电系统的故障检测率及故障诊断效率．     

基于模糊控制和大数据算法模型的电力运维故障诊断设备方法

针对现有技术中对电力运维故障检测灵敏度低、诊断误差大等问题,设计了一种新型故障诊断方案。该方案将PID模糊控制计算器与大数据算法模型相结合,并采用实时布线的方法减少诊断面积,基于改进型大数据算法模型提取电力运维设备故障数据特征,对电力运维设备运行工况构建诊断网络,通过分析电力运维设备工况的功能系统完成数据诊断。为了减少诊断误差,该研究设计了一种故障诊断设备,采用集成芯片化设计和算法程序,减小体积的同时保证检测结果的准确性。实验结果表明,该研究方法故障诊断误差小,准确率最高达到98.6%。     

设备在线监测与故障诊断系统

本文介绍了８０９８单片机为主ＣＰＵ的ＳＴＤ总线，实现晶闸管控制设备在线监测与故障诊断系统的总体设计，硬件电路及相应的软件设计。     

基于虚拟仪器技术的设备远程故障诊断

随着Internet技术的进步，设备故障诊断技术正在从传统的单机现场诊断方式向着分布的远程诊断方式发展，以极大提高设备维护的时效性。基于NI的LabVIEW、Internet Tool Kit、ComponentWorks构建的邪气仪器工作环境，为设备远程故障诊断提供了强有力的手段。     

基于深度学习的智能设备故障诊断研究综述

智能设备故障诊断技术(Intelligent Fault Diagnosis, IFD)将深度学习理论应用于设备故障诊断,能自动识别设备的健康状态和故障类型,在设备故障诊断领域引起了广泛关注。智能设备故障诊断通过构建端到端的AI模型和算法将设备监测数据与机器健康状态关联以实现设备故障诊断,但设备故障诊断的模型和算法较多且相互之间并不通用,采用与监测数据不相符的模型进行故障诊断会导致诊断准确率大幅度下滑。为解决这一问题,在全面调查设备故障诊断相关文献的基础上,首先简述深度设备故障诊断的模型框架,再根据具体应用场景和设备监测数据类型对模型算法进行分类介绍、列表对比及总结,最后针对存在的问题分析了未来的发展方向。本综述有望为智能设备故障诊断的研究提供有益的参考。     

复杂机电设备故障诊断专家系统的设计及实现

介绍了一种知识库可更新的复杂机电设备故障诊断专家系统;选用产生式规则与三角模糊数相结合表示机械设备故障知识,采用故障树表示电控系统故障知识;针对知识表示方式的不同,研究了机械故障冲突消解策略,设计了基于正反向推理和故障树模型推理的混合推理机以完成故障部件定位;以Microsoft Access 2003和Visual Basic6.0为工具,通过DAO接口编程实现了以故障诊断和数据维护为核心功能的阵地机电设备故障诊断软件设计.     

基于大数据的控制系统故障诊断方法综述

大数据技术的发展使得控制系统故障诊断方法进一步丰富和完善,为此在总结大量参考文献的基础上,从控制系统故障诊断方法分类变化角度,简述了其发展历程。通过新的故障诊断方法分类,归纳总结了控制系统故障诊断方法的现状,对比分析了基于解析模型、经验知识和数据驱动方法的优缺点,最后进行了总结展望。     

采矿设备远程故障诊断系统设计

矿山生产设备大都分布偏远,工作环境恶劣,停产损失大.为了实现采矿设备远程故障诊断要求,提出基于VPN远程故障诊断系统方案.通过VPN技术来建立采矿企业的网络系统,可以合理实现企业总部到各个矿区之间的远程连接,随时跟踪设备在现场的工作运行状况,从而提高客户服务响应速度,避免可能的安全隐患.通过对试验用户的应用反馈来看,远程诊断系统能及时快速诊断出故障原因.     

嵌入式工程装备故障诊断系统方案设计

提出一种工程装备在线监测与故障诊断的无线嵌入式系统方案,各检测终端固化于工程装备上,主机与各检测终端通过无线网络通讯,从而免去了主机与各终端间的连接电缆,使系统实现了智能化和小型化;同时介绍了系统的软硬件组成和工作原理。     

嵌入式工程装备故障诊断系统方案设计

提出一种工程装备在线监测与故障诊断的无线嵌入式系统方案，各检测终端固化于工程装备上，主机与各检测终端通过无线网络通讯，从而免去了主机与各终端间的连接电缆，使系统实现了智能化和小型化；同时介绍了系统的软硬件组成和工作原理。     

面向设备故障诊断的数据挖掘技术方法的研究

本文对石化企业设备故障诊断系统进行研究,利用数据挖掘技术进行故障诊断。提出数据挖掘技术中的关联规则挖掘的理论与算法,并对关联规则的经典算法Apriori进行研究与改进。提高了故障诊断的准确性,减少了冗余信息。     

基于测控数据挖掘的航天器故障诊断技术研究

近年来数据挖掘技术的快速发展使得利用航天控制中心积累的大量测控数据进行航天器在轨故障诊断成为可能.基于数据挖掘的故障诊断技术能够从历史数据中自动或半自动地获取潜在的诊断知识,从而有效解决故障诊断中知识获取困难的问题.在研究航天器实际测控数据特点的基础上,分析了传统故障诊断技术的优缺点,提出了基于数据挖掘技术进行航天器故障诊断的可行方法,指出了基于数据挖掘的航天器故障诊断技术下一步研究的主要方向.     

数据挖掘技术在机械设备故障诊断中的应用

介绍了一种基于数据挖掘技术的机械设备故障诊断方法,介绍了数据挖掘技术在故障诊断中的实现步骤.以数据挖掘系统在煤矿风机监控系统中的应用为例,建立了数据挖掘模型,详细论述了关联规则方法的挖掘过程,对挖掘结果进行了分析,表明此方法可以很好的对设备故障进行预警.     

基于数据挖掘的TQZ-1A故障诊断研究

为了解决惯性领域内“数据丰富知识贫乏”的问题,建立一个基于数据挖掘的智能故障诊断系统,并重点围绕其中的数据挖掘环节展开研究.以金姿态组合陀螺TQZ-1A为研究对象,运用Clementine12.0工具,借鉴CRISP-DM行业标准,构建了基于两阶段聚类并做改进的C5.0模型.经过模型评价指标的综合评估验证了模型良好的预测性能,说明所建立的模型是科学的,适用于工程实践.     

基于混沌和数据挖掘的电子系统故障诊断

提出了一种基于相空间重构和数据挖掘算法的复杂电子系统故障诊断方法，混沌时间序列的相空间重构采用了复自相关和Γ-test的嵌入堆，时间延迟联合算法，所得到的结果为准最佳的嵌入堆、时间延迟。采用计算相空问中各个单位质点绕其质量中心的旋转半径的数据挖掘算法估计被测对象的工作状态，用统计学中的3d准则识别被测系统的故障参量。实验结果表明，该故障诊断方法可准确地检测出复杂电子系统中的故障现象。     

复杂电子装备潜隐性故障诊断关键技术研究

讨论了开展复杂电子装备潜隐性故障诊断的重要意义,对复杂电子装备潜在故障诊断技术的发展趋势进行了分析,针对电子装备潜隐性故障特征信息少、诊断难的问题,提出了考虑电子装备多态可靠性分析进行潜隐性故障诊断的若干关键技术问题,并给出了相应的解决思路;首先通过开展电子装备多状态的关联性和继承性研究,实现装备潜在故障可靠性状态的科学评定;然后采取动态融合零失效检测数据和故障信息的方法获取潜隐性故障的小样本特征参量集,并将其嵌入潜在故障模式识别模型,从而识别具有明显非线性和不确定性特征的潜隐性故障,为实现复杂电子装备潜隐性故障的早期预测提供了新的技术途径,在装备的生产和使用中有着具有良好的工程应用前景。     

RMINE: A Rough Set Based Data Mining Prototype for the Reasoning of Incomplete Data in Condition-based Fault Diagnosis

Condition-based fault diagnosis aims at identifying the root cause of a system malfunction from vast amount of condition-based monitoring information and knowledge. The needs of extracting knowledge from vast amount of information have spurred the interest in data mining, which can be categorized into two stages data preparation and knowledge extraction. It has been established that most of the current data mining approaches to fault diagnosis focus on the latter stage. In reality, condition-based monitoring data may, most of the time, contain incomplete, or missing data, which have an adverse effect on the knowledge or diagnostic rules extracted. Several approaches to deal with missing data can be found in literature. Unfortunately, all of which have serious drawbacks. In this paper, a novel approach to the treatment of incomplete data is proposed for the data preparation stage, while a rough set based approach has been developed to pre-process the data for the extraction of diagnostic rules. The two-stage data mining technique is implemented into a prototype system, RMINE, which also possesses a self-learning ability to cope with the changing condition-based data. A real industrial case study of a pump system is used to demonstrate the fault diagnosis process using RMINE. The result has shown the potential of RMINE as a general data mining prototype to condition-based fault diagnosis.