基于云計(jì)算的設(shè)備故障趨勢(shì)預(yù)測(cè)方法研究.pdf

1、現(xiàn)代化工業(yè)發(fā)展過程中，龐大的數(shù)據(jù)已經(jīng)成為企業(yè)關(guān)注的重要資源，如何安全保存、共享企業(yè)大數(shù)據(jù)資源，挖掘其中潛藏的價(jià)值，亟待深入研究。云計(jì)算提出了基礎(chǔ)設(shè)施即服務(wù)、平臺(tái)即服務(wù)、軟件即服務(wù)的全新服務(wù)模式，適應(yīng)企業(yè)不同階段的需求，為現(xiàn)代化工業(yè)提出了一種全新的發(fā)展模式。
　　本文將云計(jì)算技術(shù)與傳統(tǒng)設(shè)備維護(hù)系統(tǒng)相結(jié)合，提出了基于Hadoop的設(shè)備維護(hù)系統(tǒng)云平臺(tái)，設(shè)備維護(hù)分布式文件系統(tǒng)，設(shè)備維護(hù)分布式計(jì)算框架，并分別從設(shè)備維護(hù)資源層、設(shè)備維護(hù)服務(wù)層

2、、設(shè)備維護(hù)應(yīng)用層三個(gè)層面對(duì)設(shè)備維護(hù)云平臺(tái)系統(tǒng)進(jìn)行了詳細(xì)的論述。重點(diǎn)研究了設(shè)備維護(hù)服務(wù)層的設(shè)備故障趨勢(shì)預(yù)測(cè)模塊，采用支持向量回歸機(jī)算法進(jìn)行故障趨勢(shì)預(yù)測(cè)，同時(shí)分析了參數(shù)c、s、e對(duì)支持向量回歸機(jī)＃能產(chǎn)生的不同影響，通過粒子群優(yōu)化算法對(duì)支持向量回歸機(jī)進(jìn)行參數(shù)優(yōu)化。采用 UC I數(shù)據(jù)庫(kù)中的一組標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行了優(yōu)化實(shí)驗(yàn)。
　　實(shí)際應(yīng)用中，數(shù)據(jù)規(guī)模逐漸走向巨大化，傳統(tǒng)支持向量回歸機(jī)所需要的時(shí)間急劇增加，針對(duì)這一問題，提出基于Hadoop環(huán)境下

3、分布式支持向量回歸機(jī)算法。實(shí)驗(yàn)研究表明，基于Hadoop分布式支持向量回歸機(jī)與傳統(tǒng)支持向量回歸機(jī)在預(yù)測(cè)性能基本持平的基礎(chǔ)上，大大節(jié)省了計(jì)算時(shí)間。同時(shí)，分析了在保持樣本數(shù)據(jù)不變的情況下，增加Map任務(wù)數(shù)量對(duì)時(shí)間消耗的影響，得出在一定范圍內(nèi)增加M ap任務(wù)數(shù)量會(huì)減少時(shí)間消耗。
　　建立了基于Hadoop分布式支持向量回歸機(jī)的設(shè)備故障趨勢(shì)預(yù)測(cè)桓型，利用某煤炭企業(yè)釆集的設(shè)備振動(dòng)數(shù)據(jù)，對(duì)該模型的預(yù)測(cè)性能進(jìn)行了驗(yàn)證。結(jié)果表明，基于Hadoop