面向云边协同的并条机PHM系统设计与实现
这是一篇关于云边协同,机器学习,并条机,故障诊断与健康管理,KubeEdge,波谱图的论文, 主要内容为智能制造是工业信息化后的必由之路。在纺织业信息化转型取得一定成果之际,应考虑更好地利用大数据挖掘信息助力生产应用。并条机是结构复杂的纺织机械设备,从其监控质量参数波谱图中能提炼出丰富的设备状态信息,对设备的故障预防和健康管理极具应用价值。这种应用适合在靠近生产终端的网络边缘场景中运行,既能保障服务在边缘侧运行的可靠性和稳定性,又能减少服务对云端计算和存储能力的依赖。因此本文设计了面向云边协同的并条机故障诊断与健康管理(Prognostics Health Management,PHM)系统。将云端强算力和边缘端高实时优势结合起来实现对现场并条机运行状态的快速诊断及健康管理。首先,将基于机器学习的数据分析技术与生产管理的需求相结合,设计了面向云边协同的并条机PHM系统的云-边-端总体架构,分析了各部分的功能需求及实现方案。其次,结合前期从纺织装备企业并条机采集和存储的波谱图数据,将并条机机械传动部分的机械故障与波谱图数据进行了关联分析,并按照得出的故障识别规则对存储的历史波谱数据添加了类别标签,将故障诊断转化为机器学习领域的分类识别问题,将多种典型机器学习算法在并条机波谱图数据的识别应用进行了对比分析。最后,基于KubeEdge框架完成了PHM系统开发:通过容器化应用完成云边应用统一架构;通过边缘本地化存储元数据实现边缘端服务离线自治;通过将云原生的容器编排和调度能力迁移到边缘端实现云边资源协同;通过云端训练分类模型,边缘端运用模型推理实现云边智能协同;通过边端对实时数据处理和诊断分析,根据健康评估结果指导生产和设备维修决策。最终实验验证了并条机PHM系统云边协同等各方面能力,包括系统集群统一管理、云边资源协同、云边智能协同和边缘离线自治等功能都表现良好。
面向云边协同的并条机PHM系统设计与实现
这是一篇关于云边协同,机器学习,并条机,故障诊断与健康管理,KubeEdge,波谱图的论文, 主要内容为智能制造是工业信息化后的必由之路。在纺织业信息化转型取得一定成果之际,应考虑更好地利用大数据挖掘信息助力生产应用。并条机是结构复杂的纺织机械设备,从其监控质量参数波谱图中能提炼出丰富的设备状态信息,对设备的故障预防和健康管理极具应用价值。这种应用适合在靠近生产终端的网络边缘场景中运行,既能保障服务在边缘侧运行的可靠性和稳定性,又能减少服务对云端计算和存储能力的依赖。因此本文设计了面向云边协同的并条机故障诊断与健康管理(Prognostics Health Management,PHM)系统。将云端强算力和边缘端高实时优势结合起来实现对现场并条机运行状态的快速诊断及健康管理。首先,将基于机器学习的数据分析技术与生产管理的需求相结合,设计了面向云边协同的并条机PHM系统的云-边-端总体架构,分析了各部分的功能需求及实现方案。其次,结合前期从纺织装备企业并条机采集和存储的波谱图数据,将并条机机械传动部分的机械故障与波谱图数据进行了关联分析,并按照得出的故障识别规则对存储的历史波谱数据添加了类别标签,将故障诊断转化为机器学习领域的分类识别问题,将多种典型机器学习算法在并条机波谱图数据的识别应用进行了对比分析。最后,基于KubeEdge框架完成了PHM系统开发:通过容器化应用完成云边应用统一架构;通过边缘本地化存储元数据实现边缘端服务离线自治;通过将云原生的容器编排和调度能力迁移到边缘端实现云边资源协同;通过云端训练分类模型,边缘端运用模型推理实现云边智能协同;通过边端对实时数据处理和诊断分析,根据健康评估结果指导生产和设备维修决策。最终实验验证了并条机PHM系统云边协同等各方面能力,包括系统集群统一管理、云边资源协同、云边智能协同和边缘离线自治等功能都表现良好。
社区风险监测平台系统集成方案的设计与实现
这是一篇关于Kubernetes,KubeEdge,区块链,系统集成,社区风险的论文, 主要内容为社区燃气、配电、消防、电梯、排水、供暖等设备设施是人民生产生活资料的载体同时也是安全隐患的风险源。构建社区风险监测平台实现风险的识别、风险处置是确保人民生产生活安全的重要手段。风险识别依赖风险评估模型,风险评估模型开发的语言、运行环境等具有多样性,由此导致模型部署、对接、维护复杂,为系统集成带来挑战。风险处置需要根据风险评估的结果进行风险处理,处置的及时性是其基本要求,在实际中一般依赖处置人员进行处置,受人的主客观影响往往导致效率低下。一个良好的处置系统应该尽量减少人员的参与。风险监测平台的传感器监测数据一般是事故分析与事故追责的重要依据,通常采集的数据经过解析后直接保存在平台数据库中,数据库中的数据存在被篡改的隐患,如何确保历史数据的可信性是一个重要问题。综合考虑这些问题,本文选用“Docker+Kubernetes+Kube Edge+区块链”作为技术手段,设计了云平台层、边缘层、设备层的社区风险监测平台系统集成方案,并对该方案做了原型上的实现。首先,云平台层采用Kubernetes这个云计算Paa S主流架构来管理各个系统的风险评估模型API应用。风险评估模型API应用采用Docker容器技术进行封装以简化部署过程。采用Kubernetes作为平台还有利于整合微服务框架开发的应用,提升系统的可扩展能力。其次,边缘层分为部署Kube Edge的边缘计算节点以及部署区块链的边缘网关。前者基于Kubernetes与Kube Edge的云边协同机制来实现风险评估结果对处置设备的自动化操控,后者在上传实时数据的同时利用区块链技术对数据进行备份处理,处理后的数据可以分布式存储在区块链网络的各个节点中,也可以上传到平台数据库中保存,经处理后的数据其被篡改的难度将大大增加。最后,设备层分为处置设备与数据采集设备两类。处置设备被边缘计算节点控制,其驱动程序运行在边缘计算节点的轻量级容器应用中。数据采集设备则是社区场景中各类传感器,作为平台的数据来源。
社区风险监测平台系统集成方案的设计与实现
这是一篇关于Kubernetes,KubeEdge,区块链,系统集成,社区风险的论文, 主要内容为社区燃气、配电、消防、电梯、排水、供暖等设备设施是人民生产生活资料的载体同时也是安全隐患的风险源。构建社区风险监测平台实现风险的识别、风险处置是确保人民生产生活安全的重要手段。风险识别依赖风险评估模型,风险评估模型开发的语言、运行环境等具有多样性,由此导致模型部署、对接、维护复杂,为系统集成带来挑战。风险处置需要根据风险评估的结果进行风险处理,处置的及时性是其基本要求,在实际中一般依赖处置人员进行处置,受人的主客观影响往往导致效率低下。一个良好的处置系统应该尽量减少人员的参与。风险监测平台的传感器监测数据一般是事故分析与事故追责的重要依据,通常采集的数据经过解析后直接保存在平台数据库中,数据库中的数据存在被篡改的隐患,如何确保历史数据的可信性是一个重要问题。综合考虑这些问题,本文选用“Docker+Kubernetes+Kube Edge+区块链”作为技术手段,设计了云平台层、边缘层、设备层的社区风险监测平台系统集成方案,并对该方案做了原型上的实现。首先,云平台层采用Kubernetes这个云计算Paa S主流架构来管理各个系统的风险评估模型API应用。风险评估模型API应用采用Docker容器技术进行封装以简化部署过程。采用Kubernetes作为平台还有利于整合微服务框架开发的应用,提升系统的可扩展能力。其次,边缘层分为部署Kube Edge的边缘计算节点以及部署区块链的边缘网关。前者基于Kubernetes与Kube Edge的云边协同机制来实现风险评估结果对处置设备的自动化操控,后者在上传实时数据的同时利用区块链技术对数据进行备份处理,处理后的数据可以分布式存储在区块链网络的各个节点中,也可以上传到平台数据库中保存,经处理后的数据其被篡改的难度将大大增加。最后,设备层分为处置设备与数据采集设备两类。处置设备被边缘计算节点控制,其驱动程序运行在边缘计算节点的轻量级容器应用中。数据采集设备则是社区场景中各类传感器,作为平台的数据来源。
社区风险监测平台系统集成方案的设计与实现
这是一篇关于Kubernetes,KubeEdge,区块链,系统集成,社区风险的论文, 主要内容为社区燃气、配电、消防、电梯、排水、供暖等设备设施是人民生产生活资料的载体同时也是安全隐患的风险源。构建社区风险监测平台实现风险的识别、风险处置是确保人民生产生活安全的重要手段。风险识别依赖风险评估模型,风险评估模型开发的语言、运行环境等具有多样性,由此导致模型部署、对接、维护复杂,为系统集成带来挑战。风险处置需要根据风险评估的结果进行风险处理,处置的及时性是其基本要求,在实际中一般依赖处置人员进行处置,受人的主客观影响往往导致效率低下。一个良好的处置系统应该尽量减少人员的参与。风险监测平台的传感器监测数据一般是事故分析与事故追责的重要依据,通常采集的数据经过解析后直接保存在平台数据库中,数据库中的数据存在被篡改的隐患,如何确保历史数据的可信性是一个重要问题。综合考虑这些问题,本文选用“Docker+Kubernetes+Kube Edge+区块链”作为技术手段,设计了云平台层、边缘层、设备层的社区风险监测平台系统集成方案,并对该方案做了原型上的实现。首先,云平台层采用Kubernetes这个云计算Paa S主流架构来管理各个系统的风险评估模型API应用。风险评估模型API应用采用Docker容器技术进行封装以简化部署过程。采用Kubernetes作为平台还有利于整合微服务框架开发的应用,提升系统的可扩展能力。其次,边缘层分为部署Kube Edge的边缘计算节点以及部署区块链的边缘网关。前者基于Kubernetes与Kube Edge的云边协同机制来实现风险评估结果对处置设备的自动化操控,后者在上传实时数据的同时利用区块链技术对数据进行备份处理,处理后的数据可以分布式存储在区块链网络的各个节点中,也可以上传到平台数据库中保存,经处理后的数据其被篡改的难度将大大增加。最后,设备层分为处置设备与数据采集设备两类。处置设备被边缘计算节点控制,其驱动程序运行在边缘计算节点的轻量级容器应用中。数据采集设备则是社区场景中各类传感器,作为平台的数据来源。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码驿站 ，原文地址：https://m.bishedaima.com/lunwen/50026.html
