Research on Machine Tool Fault Diagnosis and Maintenance Optimization in Intelligent Manufacturing Environments

In the context of intelligent manufacturing,machine tools,as core equipment,directly influence production efficiency and product quality through their operational reliability.Traditional maintenance methods for machine tools,often characterized by low efficiency and high costs,fail to meet the demands of modern manufacturing industries.Therefore,leveraging intelligent manufacturing technologies,this paper proposes a solution optimized for the diagnosis and maintenance of machine tool faults.Initially,the paper introduces sensor-based data acquisition technologies combined with big data analytics and machine learning algorithms to achieve intelligent fault diagnosis of machine tools.Subsequently,it discusses predictive maintenance strategies by establishing an optimized model for maintenance strategy and resource allocation,thereby enhancing maintenance efficiency and reducing costs.Lastly,the paper explores the architectural design,integration,and testing evaluation methods of intelligent manufacturing systems.The study indicates that optimization of machine tool fault diagnosis and maintenance in an intelligent manufacturing environment not only enhances equipment reliability but also significantly reduces maintenance costs,offering broad application prospects.

Smart Society and Artificial Intelligence:Big Data Scheduling and the Global Standard Method Applied to Smart Maintenance

The implementation of artificial intelligence(AI)in a smart society,in which the analysis of human habits is mandatory,requires automated data scheduling and analysis using smart applications,a smart infrastructure,smart systems,and a smart network.In this context,which is characterized by a large gap between training and operative processes,a dedicated method is required to manage and extract the massive amount of data and the related information mining.The method presented in this work aims to reduce this gap with near-zero-failure advanced diagnostics(AD)for smart management,which is exploitable in any context of Society 5.0,thus reducing the risk factors at all management levels and ensuring quality and sustainability.We have also developed innovative applications for a humancentered management system to support scheduling in the maintenance of operative processes,for reducing training costs,for improving production yield,and for creating a human–machine cyberspace for smart infrastructure design.The results obtained in 12 international companies demonstrate a possible global standardization of operative processes,leading to the design of a near-zero-failure intelligent system that is able to learn and upgrade itself.Our new method provides guidance for selecting the new generation of intelligent manufacturing and smart systems in order to optimize human–machine interactions,with the related smart maintenance and education.

Big Data Analytics of Taxi Operations in New York City

As a global financial center, the transportation system in New York City (NYC) has always been studied from various aspects. Since 2009, NYC Taxi and Limousine Commission have made public the information on NYC taxi operations, offering an opportunity for detailed analysis. Thus, this research project investigates taxi operations in New York City based on big data analysis. The correlation between taxi operations and different types of weather, including precipitation, snow depth, and snowfall is discussed in this paper. The research also evaluates taxi trip distribution in each NTA area using Geopandas, and presents its density on an NYC map.

Research on the Database Technology under the Operation of the IOT Huge Amounts of Data

In this paper, we conduct research on the database technology under the basic operation of the IOT huge amounts of data. Spatial data service is the process of basic customer application system service request, directory service system according to the request is mapped into physical addresses, according to the data block physical disk server address block of data read from the disk in parallel and sent to the client the process of application system. In addition, spatial data distribution system should possess unloading, transfer, replication, and optimization of spatial data, and other functions, to achieve comprehensive management and maintenance of spatial data. Under this basis, we propose the enhanced database technology that optimizes the operation with better performance.

ITMA ASIA+CITME2022上新一代信息技术应用浅析

探讨ITMA ASIA+CITME2022上众多新一代信息技术的应用情况。从车间物流数字孪生、原棉精细化管理、细纱机单锭监测、设备远程运维等不同角度,梳理了展会上新一代信息技术应用场景及解决方案。指出:纺机企业研发方向主要面向高效节能、高附加值纺织品的数字化、自动化和智能化生产与质量管控;新一代信息技术使得纺织产业数字化升级更加快速和高效,纺织生产整体智能化水平明显提升;基于工业互联网的纺织产业新生态正在加快形成。认为:新一代信息技术与纺织产业的融合应用,推动了产品研发、制造、服务等环节的协同创新,助力企业实现提质增效与高质量发展的战略目标。

烟草制造业务系统智能运维平台的设计与应用

随着国家“两化融合”战略的提出和实施,烟草企业积极响应并进行全面的信息化建设,信息技术在烟草企业的深入发展,信息化业务系统以及数据量呈指数态势上升,同时烟草企业内部各个业务系统相对独立,在系统间缺乏有效的数据共享和协同,存在系统竖井的问题,业务端与设备端运维缺乏有效的协同支持,为运维人员的日常工作带来了很大的挑战。本文研究智能运维在烟草企业的落地场景,通过应用性能指标异常智能化分析、系统故障的智能化判断与辅助、日志集中管理与分析以及系统性能容量预测四大场景,设计以烟草制造业务与IT资源双稳定为运维视角的智能运维平台。

基于BIM和语义网的轨道智能运维管理方法

建筑信息模型(BIM)技术对提高轨道运维管理效率具有重要的推进作用。然而,不同的检查和维护活动产生的数据异构性高、时空关系复杂,阻碍了BIM解释和整合数据的进程。为此,开发了一个基于工业基础类(IFC)和语义Web技术的轨道运维本体(TOMO),其具有3个功能:①基于轨道运维生命周期的应用需求,简化BIM模型信息;②引入映射规则,建立数据提取与转换模块,集成多源异构数据,结构化定义数据之间复杂的时空关系;③结合数据驱动技术,研究轨道精调智能优化的方法,提供弹性决策支持。最后,以某高速铁路静检数据为例,验证了该框架的有效性与实用性,对于促进领域数据互操作性、降低运维人员劳动强度和提高运维管理智能化程度具有实际的工程指导意义。

基于SDES和双轮差错控制的大数据集成安全系统

针对大数据传输中的数据机密性、完整性和数据丢失等问题,提出一种基于简化数据加密标准(Simplified Data Encryption Standard,SDES)和双轮差错控制的大数据集成安全系统。使用SDES加密算法生成加密字符串,并设计意外数据丢失备份系统以提高机密性和防止意外数据丢失。基于双轮差错控制以较低的空间开销控制传输过程中包含的任意数量的离散或连续错误位,基于固定长度编码(Fixed Length Coding,FLC)的无损压缩技术来减少数据开销。该算法具有较高的AE值、熵和压缩百分比,具有提供更高的数据机密性和完整性的潜力。

Operational Climate Prediction in the Era of Big Data in China:Reviews and Prospects

Big data has emerged as the next technological revolution in IT industry after cloud computing and the Internet of Things.With the development of climate observing systems,particularly satellite meteorological observation and high-resolution climate models,and the rapid growth in the volume of climate data,climate prediction is now entering the era of big data.The application of big data will provide new ideas and methods for the continuous development of climate prediction.The rapid integration,cloud storage,cloud computing,and full-sample analysis of massive climate data makes it possible to understand climate states and their evolution more objectively,thus predicting the future climate more accurately.This paper describes the application status of big data in operational climate prediction in China;it analyzes the key big data technologies,discusses the future development of climate prediction operations from the perspective of big data,speculates on the prospects for applying climatic big data in cloud computing and data assimilation,and puts forward the notion of big data-based super-ensemble climate prediction methods and computerbased deep learning climate prediction methods.

大数据时代图书馆管理策略初探

随着新一代信息技术的发展,世界已经进入到了大数据时代。大数据、数字技术、云计算及网络应用技术的深入发展,改变了图书馆的传统经验型管理模式,信息技术使图书馆经营管理质量获得了较大幅度的提升。大数据作为现代图书馆的核心技术,给图书馆管理带来了深刻的影响和变化。本文详细阐述了大数据时代对图书馆服务管理的影响因素,并有针对性地提出了大数据时代提升图书馆管理质量的对策,以供相关从业人员参考借鉴。

工业大数据建模方法及生产线运行状态监控技术研究

随着我国科学技术水平的不断提升,大数据智能技术被广泛应用于工业生产中,有效推进了我国工业化建设的进程,与此同时,在工业生成过程中,数字化生产线的建设是提高工业生产效率,实现工业智能生产的关键环节。然而,在实际工业生产中,大部分车间智能化建设水平还比较低,监测工业制造流程的监控系统存在实时性较差以及准确性不足等问题。因此,文章基于大数据技术背景,利用智能信息通信技术,构建以大数据建模为基础的实时生产线运行状态监控系统,实现对生产流程的全面实时监测,加强工业生产的透明化,从而有效提高工业生产运营的管理水平。

基于信创环境的水利智搜优化设计与研究

为提高水利智搜数据采集效率、个性化推荐程度、协调运维能力、信创环境适配程度,向社会公众提供便捷高效的水利信息检索服务,结合核心技术自主可控的必然要求,研究运用数据采集、搜索推荐模型等智能化处理技术,进一步优化搜索算法,加强数据信息采集。同时,通过优化水利智搜平台设计,基于信创环境适配优化,采用集成式、场景式和交互式一体化数据呈现方式,提升支撑、统计分析、搜索和聚合能力,实现精准化推荐和协同化运维。基于信创环境的水利智搜优化设计与研究,可为水利行业智能化信息检索服务提供经验借鉴。

基于异构数据的变压器远程状态孪生与寿命评估技术

目前以机器人巡视为主的远程运维方式,难以构建全面的数字孪生运维体系,而以电力变压器为代表的变电站一次设备,是集合电气与多种物理特性的状态集合,其远程精准运维与状态分析,必然建立在海量异构数据基础之上。以变压器为例,研究变压器数字孪生模型构建方法和数字孪生数据层技术,建立传感器数据下的数字孪生变压器模型,从物理模型类、基于参数类和基于认识模型类三个方面探索多源异构数据融合方法。依照所构建的寿命模型,在2年的运行阶段中,由于温度导致的变压器老化效应,不断在工作状态中进行累积,最终其热寿命损失累计超过了360 h,与实际情况相符合。

基于BL-Apriori的民航机务风险关联规则分析

为了解决机务维修领域风险分析过程中文本数据挖掘不充分问题,提出1种基于二进制逻辑“与”运算改进的Apriori关联规则挖掘方法,采集到飞机维修企业2012—2021年机务维修领域不安全事件报告,最终成功挖掘出民航机务维修领域具有耦合性、关联性的风险要素,并对风险要素之间的关联规则进行分析。研究结果表明:改进后的算法运行时间从0.153 s降低至0.034 s,挖掘到机务风险中飞机检查不全面、人员遗忘/疏漏等为主要因素,与工程实际相符。研究结果可为机务安全管理提供决策支持。

基于数据感知融合的电力通信网络智能运维

受到电力通信网络中多因素及其结构复杂性的共同影响,传统运维方法在感知过程中极易受到电压异常信号与变压器异常信号扰动,造成网络全局感知出现偏差,严重影响整体运维效果。为了有效解决多因素造成的感知偏差问题,采用数据感知融合算法对电力通信网络下的电力参量进行感知优化,提升感知精准度,优化运维整体质量的效果。在提出的优化方案中,首先对电力通信网络安全态势感知范围进行确定,然后进行电力通信网络运行下的电压安全态势感知优化,接着基于数据感知融合算法对电力网络变压器安全态势感知参量进行定义,最后完成感知信息的数据感知融合计算。仿真结果表明,数据感知融合算法具备提升运维整体质量、降低运维过程中的感知偏差、提升感知灵敏度与精准度的能力。

大数据技术在图书馆运营中的运用分析

新时代下,现代科学技术日益成熟,大数据产业也随之蓬勃发展,大数据技术水平越来越强大。在图书运营中引入并合理使用大数据技术,是目前图书馆建设的重点。满足不同用户所需,是图书馆运营质量及服务能力的决定性因素。对此,以大数据技术对图书馆运营的影响及具体应用为切入点,重点分析了目前图书馆运营中大数据技术应用现状,并提出了优化运用的对策。

国家地下水监测工程运行维护预算标准研制思考与探讨

地下水是水资源的重要组成部分,对居民生活、城市建设、环境保护等具有重要意义。地下水监测是一项基础性、公益性、战略性的事业,为国土空间规划、水资源管理和生态环境修复提供有利的科学保障和技术支撑。国家地下水监测工程已运行多年,与之配套的预算标准仍然短缺,亟需开展研制工作。本文从预算标准的研制背景出发,聚焦国家地下水监测工程运行维护阶段各项工作,结合地质行业相关技术规范和工作实际,介绍了运行维护工作内容和工作特点,按照科学性、适用性的预算标准研制原则,确定出预算标准的研制思路和步骤。从框架体系搭建、基础数据采集、预算标准测算三个阶段分析研制过程中的要点,以监测点巡查及校核为例,介绍了国家地下水监测工程运行维护预算标准的测算模式。国家地下水监测工程运行维护预算标准的研制,可以填补此类项目无预算标准的空缺,完善预算标准体系建设,保障国家地下水监测工程网络体系的稳定运行。通过其研究模式和研究过程,以期为中国地质调查局监测类预算标准、观测类预算标准的研制提供借鉴。

基于大数据的分布式多能源系统最优运行策略研究

一次能源的消耗给生态环境造成了严重的污染,也给分布式多能源系统带来了新的发展机遇。针对这一问题,文中开展了基于大数据的分布式多能源系统最优运行策略研究。通过分析分布式多能源系统的功能结构,在对设备工况特性加以研究的基础上采用大数据样本,以总运行成本最小为目标建立融合天然气、光伏发电、抽水蓄能及热泵机组的分布式多能源系统模型。同时充分考虑了非可再生能源利用、可再生能源消纳与能效转换等因素,提出了一种多场景综合能效评估方法。算例分析结果表明,该方法优先满足了电负荷与冷热负荷,且可再生能源消耗量低至4.52 MW·h,综合能效利用率则高达98.2%。

基于胶囊网络的异常多分类模型

国网公司日益庞大的服务器集群产生的大量生产运行数据,以及实时分析各类设备、系统产生的海量监控数据成为电力IT运维工作的新挑战。异常检测技术作为智能电网信息运维工作的关键技术,可以有效检测运维故障并及时告警,避免损坏敏感设备。目前一些传统异常检测方法检测的异常种类少且精度低,导致故障发现不及时。为了应对这一挑战,提出了基于胶囊网络的多维时间序列异常多分类模型NNCapsNet。首先,应用无监督算法结合专家知识对电网营销业务应用服务器性能监控数据进行预处理和标注。其次,引入胶囊网络进行分类和异常检测。五折交叉验证的实验结果表明,NNCapsNet在包含15类异常的数据集上实现了91.21%的平均分类准确度。还在包含2万条监控数据的数据集上与4个基准模型进行了对比,NNCapsNet在关键评估指标上均取得了较好的结果。

基于堆叠稀疏判别自编码的滚动轴承智能故障诊断方法

针对复杂工况下旋转部件故障诊断精度不理想、稳定性差的问题,提出一种堆叠稀疏判别自编码智能故障诊断方法。首先,构造堆叠稀疏自编码网络结构,利用KL散度限制多层网络的稀疏性以增强深度自编码网络的学习性能;其次,采用半监督机制对上述网络进行改进,利用标签信息对分类层进行调整,增强自编码网络的分类能力;然后,提出样本结构特征约束,通过增加类几何特征惩罚项和类数据特征惩罚项对网络隐藏层进行约束,自适应判别聚合距离和分类距离,提升整体网络的特征提取能力;最后,在美国凯斯西储大学轴承数据集上验证所提方法的可靠性。试验结果表明,与现有方法相比,堆叠稀疏判别自编码智能故障诊断方法在多组数据集上均能够获得更高的诊断精度,具有良好的稳定性。