基于云服务的物流设备故障预测研究

发布时间：2024-03-16 08:56

　　针对工业物流方式的发展需求和物流设备故障维修的局限性,结合云服务思想,研究设计了一种基于云服务的物流设备故障预测系统。通过对物流设备采集的故障数据,采用机器学习等方法建立了一种物流设备故障预测模型,在云平台上形成诊断实例,提出维修建议,实时推送给设备运维人员。该系统旨在通过提供物流设备的适时维护建议,减少设备突发故障风险,提高设备的可用度,降低设备运维成本。

【文章页数】：4 页

【部分图文】：

图1物流设备故障预测系统框架图

设备故障采集层通过集成接口和人机接口分别对设备故障数据和人员输入故障数据进行实时或周期性的采集，并将采集到的数据由互联网储存到云服务中心相应的服务器集群中。云服务中心主要对数据进行存储管理和对资源进行分配调度，并搭建相关业务服务。基础服务主要包括服务器集群和资源管理等，对不同数据....

图2LSTM网络中长期状态c的控制

LSTM长短期记忆网络在引入定向循环，使网络不但能接受样本的信息还能接收上一时刻的信息，并加入隐藏层单元Cell和3个控制门：输入门决定让多少输入信息加入Cell单元；遗忘门决定保留多少上一时刻的状态；输出门控制具体的输出比例。本系统将处理后的故障状态数据根据一定的比例划分测试集....

图3引入高斯核函数的SVM

本系统通过支持向量机SVM进行分类，把训练好的故障数据分为各种故障类型。支持向量机的基本原理是寻找一个离训练集最远的最优化超平面，作为分类的分界面，通常进行二分类。但是由于物流设备故障数据结构复杂，线性不可分，因此引入高斯核函数对其进行处理，可以更好的对线性不可分的数据进行分类。....

图4诊断实例目录

系统根据预测的故障类型结合采集的人员输入故障数据和云服务中的人工数据库，按照映射规则，进行数据查询，提出维修建议。最终形成一份物流设备故障诊断实例存储到云服务中心的数据库中[3]。其中每个诊断实例都具有唯一性，如图4所示。3.2.6物流设备故障预测整体流程

本文编号：3929417