移动计算环境下装备故障诊断模型研究

doi:10.3778/j.issn.1002-8331.2009.22.058

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (22): 180-182.DOI: 10.3778/j.issn.1002-8331.2009.22.058

移动计算环境下装备故障诊断模型研究

张沛^1，2，孙树栋^1，2，王宁^1，2，刘福厚^1，2

1.西北工业大学系统集成与工程管理研究所，西安 710072
2.现代设计与集成制造技术教育部重点实验室，西安 710072

收稿日期:2008-10-06 修回日期:2008-12-26 出版日期:2009-08-01 发布日期:2009-08-01
通讯作者: 张沛

Research on fault diagnosis model of equipment under mobile computing

ZHANG Pei^1，2，SUN Shu-dong ^1，2，WANG Ning ^1，2，LIU Fu-hou ^1，2

1.Institute of System Integration and Engineering Management，Northwestern Polytechnical University，Xi’an 710072，China
2.Key Lab of Contemporary Design and Integrated Manufacturing Technology，MOE，Xi’an 710072，China

Received:2008-10-06 Revised:2008-12-26 Online:2009-08-01 Published:2009-08-01
Contact: ZHANG Pei

摘要/Abstract

摘要： 针对目前装备维护方面的实际需求，提出了基于案例推理的移动计算环境下装备故障诊断模型；在充分考虑到移动设备与PC机性能差异的基础上对案例推理的中心环节——案例检索进行了优化，并重点研究了相似度匹配算法，最后对整个模型进行了实验验证。结果表明该模型适用于移动设备，且具有较高的效率。

关键词: 案例推理, 故障诊断, 移动设备

Abstract: To deal with actual maintenance requirement of equipments，a fault diagnosis model is proposed based on CBR under mobile computing.Taking full account of the difference between the mobile devices and PC performance，the case retrieval which is the core of the CBR is optimized，and the similarity matching algorithms is discussed in detail.Finally the model is verified by experiments.The experimental results indicate that the model is applicable to mobile devices，and has high efficiency.

Key words: Case-Based Reasoning（CBR）, fault diagnosis, mobile devices

张沛^1，2，孙树栋^1，2，王宁^1，2，刘福厚^1，2. 移动计算环境下装备故障诊断模型研究[J]. 计算机工程与应用, 2009, 45(22): 180-182.

ZHANG Pei^1，2，SUN Shu-dong ^1，2，WANG Ning ^1，2，LIU Fu-hou ^1，2. Research on fault diagnosis model of equipment under mobile computing[J]. Computer Engineering and Applications, 2009, 45(22): 180-182.

[1]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[2]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[3]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[4]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[5]	钱文博，熊建斌，岑健，王颀，余得正，吴润杰. 建筑电气系统故障诊断综述[J]. 计算机工程与应用, 2021, 57(16): 27-39.
[6]	唐登平，蔡文嘉，邹立，胡翔，丁黎，王雪. 改进卷积神经网络在互感器故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(11): 239-247.
[7]	衷路生，刘东东. 多级神经网络的轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(7): 193-199.
[8]	杜小磊，陈志刚，许旭，张楠. 改进深层小波自编码器的轴承故障诊断方法[J]. 计算机工程与应用, 2020, 56(5): 263-269.
[9]	余萍，曹洁. 深度学习在故障诊断与预测中的应用[J]. 计算机工程与应用, 2020, 56(3): 1-18.
[10]	毛彪，杨松，李英顺. 改进动态因果图与模糊推理融合故障诊断方法[J]. 计算机工程与应用, 2020, 56(3): 259-265.
[11]	唐魏，郑源，潘虹，徐晶珺. 引入动态调节学习率的SAE轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(20): 264-269.
[12]	王卉，李英顺. 改进型证据更新规则的动态故障诊断算法[J]. 计算机工程与应用, 2020, 56(2): 261-265.
[13]	曹洁，赵伟吉，余萍，王进花. 改进鸟群算法优化PF的双馈发电机故障诊断[J]. 计算机工程与应用, 2020, 56(18): 229-237.
[14]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[15]	王得雪，林意，陈俊杰. 协同训练算法在滚动轴承故障诊断中的应用[J]. 计算机工程与应用, 2020, 56(12): 273-278.

移动计算环境下装备故障诊断模型研究

Research on fault diagnosis model of equipment under mobile computing

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics