基于Hadoop的滾齒機(jī)故障信息分析平臺與分析技術(shù)研究.pdf

1、在當(dāng)今整個工業(yè)系統(tǒng)邁向全面智能化轉(zhuǎn)變的背景下，大數(shù)據(jù)已然成為制造業(yè)一個鮮明的特征。物聯(lián)網(wǎng)等技術(shù)的應(yīng)用使得更多的信息可以被收集，這些數(shù)據(jù)能實(shí)時的反應(yīng)出設(shè)備的健康狀態(tài)和性能變化，其中蘊(yùn)含著大量的故障知識。然而，由于工業(yè)大數(shù)據(jù)太過分散、冗余、異構(gòu)、價值含量低等原因，并沒有得到有效的利用，傳統(tǒng)故障診斷技術(shù)已經(jīng)無法有效的處理，如何利用這些大量的數(shù)據(jù)開展大型機(jī)械設(shè)備的故障信息分析就成了一個難點(diǎn)。因此，本文以提升設(shè)備故障智能診斷水平為研究目的，對基于

2、大數(shù)據(jù)技術(shù)的機(jī)械設(shè)備故障信息分析技術(shù)進(jìn)行研究。
　　結(jié)合滾齒機(jī)自身故障信息特點(diǎn)，對目前滾齒機(jī)故障信息分析存在的問題進(jìn)行了分析，在此基礎(chǔ)上提出了基于Hadoop的滾齒機(jī)故障信息分析平臺總體框架，建立了一個統(tǒng)一的數(shù)據(jù)環(huán)境，將故障相關(guān)信息進(jìn)行整合，對面向服務(wù)的滾齒機(jī)故障信息服務(wù)模式進(jìn)行了研究；針對滾齒機(jī)故障信息參數(shù)多、數(shù)據(jù)量大等問題，基于MapReduce并行架構(gòu)實(shí)現(xiàn)了故障信息的并行處理，采用PCA（主成分分析法）對故障信息特征進(jìn)行特征

3、融合。利用MapReduce并行框架對傳統(tǒng)隨機(jī)森林進(jìn)行擴(kuò)展，基于信息特征的信息增益確定分類原則，可以并行訓(xùn)練出具有大量數(shù)目決策樹的復(fù)雜隨機(jī)森林模型。
　　基于以上研究成果，在基于Hadoop的滾齒機(jī)故障信息分析平臺總體框架和關(guān)鍵技術(shù)的支撐下，搭建了基于Hadoop的滾齒機(jī)故障信息分析試驗(yàn)平臺，實(shí)現(xiàn)了基于MapReduce框架的并行隨機(jī)森林故障分類算法，利用五種不同類型故障狀態(tài)下的故障數(shù)據(jù)，基于余弦相似性度量進(jìn)行相似重復(fù)記錄的預(yù)處理