面向工业智能的知识管理与算法开放平台设计与实现

随着国家大力推动新一代信息技术与制造业的融合,工业互联网快速发展,预测性维护作为工业智能的关键技术,是典型的大数据,AI赋能制造业的应用场景,市场广阔,是领域内的杀手级应用,而目前掌握预测性维护技术的相关人才却寥寥无几,人才缺口巨大,一个原因是由于行业门槛相对较高,另一个原因是市面上面向工业智能领域的教学平台较少,适合新人上手的更是寥寥无几,而且目前高校内也缺少相应的培养体系和课程.针对此现状,本论文提出面向工业智能的知识管理与算法开放平台设计与实现,为工业智能领域的初学者提供一个知识学习,数据管理,算法体验与开放的一站式学习平台,为工业APP的开发者提供一种新型的端到端的开发模式,引导其快速熟悉行业知识.本论文从软件开发的基本流程出发,给出背景调研,研究现状,需求分析,相关技术研究,平台设计与实现,系统测试与验证等章节,并逐步介绍平台完整的开发流程.功能设计方面,与论文题目相对应,首先设计了用于知识管理的教程与项目模块和数据集模块这两个功能模块,教程与项目模块用于展示工业智能领域相关技术,算法,案例,项目等教程,为初学者提供了一个知识获取的平台.数据集模块提供数据集下载,在线图形化展示,数据集上传功能,为用户提供数据管理功能;此外,平台设计了用于算法开放的算法库模块和API模块,并且基于这两个模块开创性地提出了一种新型的端到端开发模式,工业APP的开发者在本地调试好算法后,在算法库模块上传算法并自动生成API,然后基于API模块的API文档去调用相应算法得到处理结果,这样基于平台提供的类似云端功能,将开发者的算法发布到线上,结合微信小程序等客户端,开发者不需要搭建后端服务器就可以开发自己的工业APP.功能实现方面,平台整体基于Java语言开发,框架采用SSM(Spring+SpringMVC+Mybatis)框架,数据库的使用方面,选择MySQL作为平台存储数据的主要数据库,同时使用Redis存储文件存储路径,训练结果等信息,并选择Redis作为缓存使用.算法计算同时基于Java环境下的Weka和Python环境下的scikit-learn库和tensorflow库,平台使用这些算法库构建了一套算法引擎,支撑平台算法库模块和API模块所有的算法计算功能,同时使用RabbitMq消息队列异步处理复杂计算请求,改善用户体验.

企业物流的数据挖掘与智能管控

近年来,各行各业信息化的发展越来越迅速,已经进入到大数据,云计算,物联网,智能化的时代。物流行业在这样的发展浪潮中加快深入信息化建设,越来越多的大型企业构建了智能化的配送中心,搭建了“自动化+网络化+智能化”的现代物流信息系统。因此未来物流行业的发展一定是基于数据挖掘和智能化管控的。 本文主要研究了物流配送业务的各个环节,结合浙江中烟工业有限公司物流业务,使用最新软件方法学,UML建模技术对物流业务进行重新建模分析;在业务模型基础上进行物流数据的深入挖掘,划分出主题域,进行了概念模型,逻辑模型,物理模型的设计,建设了大型企业级的数据仓库;在数据挖掘的基础上研究了智能物流的相关技术,具体的研究内容如下: (1)根据UMLChina的软件方法学重新分析物流业务模型,并设计出用例图和序列图。 (2)对物流业务数据进行深入挖掘,包括对成本模型,KPI绩效等的挖掘分析。 (3)以浙江中烟工业有限公司为例,从数据源,主题域到最终物理模型的设计建设企业级物流数据仓库。 (4)在大规模数据采集、数据挖掘分析的基础上,主要研究智能化物流的两个主要方面,一是智能调度算法,二是智能监控技术。智能调度算法采用带解评价体系的模拟退火算法解决车辆非满载物流调度问题,Floyd算法解决多源点满载型车辆最优化路径问题。智能监控技术主要研究在基于GPS-GIS-GSM的物流监控基础上加入GPS电子锁的新型物流监控技术。 最后通过浙江中烟物流信息系统的介绍,完成理论到实践的过渡。此智能化物流信息管理平台已经融入浙江中烟信息管理总系统中,并得到了有效的验证。能够极大的提高物流业务的执行效率,降低物流成本,帮助物流整体规划,提升企业竞争力。

智能监控应用平台告警关联大数据分析算法研究

本文以支撑故障管理体系为目标,构建基于Spark/Hadoop的电信网络智能监控应用平台并实现对海量告警数据的挖掘与分析,研究基于距离的告警关联大数据分析算法,实现告警自关联及故障快速定位.通过对实际数据的测试及分析,该方法能够实现告警关联的自动化,智能化,聚合原有关联规则以提升规则有效性,提升了告警压缩率和故障命中率.

风力发电系统机电故障诊断与电气健康管理技术应用进展

风力发电系统作为清洁能源的核心装备, 其稳定运行依赖于高效的机电故障诊断与电气健康管理技术. 本文概述了风力发电系统的组成与工作原理, 分析了常见机械故障和电气故障的特征.重点阐述了基于振动分析,温 度监测,油液分析及电气参数监测的故障诊断技术, 以及状态监测系统,数据分析处理,故障预测与剩余寿命评估及 维护决策支持等健康管理技术的应用进展.研究表明, 融合多源数据与智能算法的诊断管理体系, 可显著提升系统故 障预警精度与健康管理效率, 为风力发电系统的可靠性提升与经济性优化提供技术支撑.