基于大数据的多尺度状态监测法制造技术

本发明专利技术涉及基于大数据的多尺度状态监测法，包括以下步骤：S1、对数据仓库中的数据进行数据预处理；S2、基准模型建立；S3、异步信息融合：先将外层设备检测到的实际数据导入动态工况基准模型和稳态工况基准模型，计算获得动态残差和稳态残差；接着通过信息粒化的方式，将多个相邻的对应时间的动态残差和稳态残差分成多个信息粒；利用卡尔曼滤波进行动态残差和稳态残差的信息融合，获得融合残差；S4、对融合残差进行对尺度分析构建出状态检测信号。本发明专利技术通过构件状态检测信号能够为操作优化和预测性维护提供技术依据。

【技术实现步骤摘要】
基于大数据的多尺度状态监测法
本专利技术涉及用于工业生产的大数据应用领域，特别涉及基于大数据的多尺度状态监测法。
技术介绍
工业大数据指的是各种数据和相关技术，以及在整个生命周期中的应用。不仅存在于客户需求销售、订单、计划、研究与开发、设计、加工、制造、进货、供应、库存、交付和送货、售后服务、维修、还存在于工业区域报废或回收过程和典型智能制造模式的运行。它以产品数据为核心，极大的扩展了传统工业数据的范围，并且包含了工业大数据的相关技术和应用。大型工业数据的主要来源分以下三个类别。(1)和生产和经营有关的企业数据关于生产和经营的企业数据来源主要为存储在企业信息系统中传统范围内的企业信息。它包括传统的工业设计和制造软件、企业资源规划(ERP)、产品生命周期管理(PLM)、供应链管理(SCM)，客户关系管理(CRM)、环境管理体系(EMS)等等。这些企业数据系统积累了大量的产品研发数据，生产数据，运营数据，客户信息数据，物流供应数据和环境速率。这些数据都是在工业领域的传统数据资产，并且它们在移动互联网和其他新科技中的应用也正在本文档来自技高网...

【技术保护点】
1.基于大数据的多尺度状态监测法；其特征在于包括以下步骤：/nS1、对数据仓库中的数据进行数据预处理；/nS2、基准模型建立：通过数据建模和/或机理建模建立动态工况基准模型和稳态工况基准模型；/nS3、异步信息融合：先将外层设备检测到的实际数据导入动态工况基准模型和稳态工况基准模型，计算获得动态残差和稳态残差；接着通过信息粒化的方式，将多个相邻的对应时间的动态残差和稳态残差分成多个信息粒；利用卡尔曼滤波进行动态残差和稳态残差的信息融合，获得融合残差；/nS4、对融合残差进行对尺度分析构建出状态检测信号。/n

【技术特征摘要】
1.基于大数据的多尺度状态监测法；其特征在于包括以下步骤：
S1、对数据仓库中的数据进行数据预处理；
S2、基准模型建立：通过数据建模和/或机理建模建立动态工况基准模型和稳态工况基准模型；
S3、异步信息融合：先将外层设备检测到的实际数据导入动态工况基准模型和稳态工况基准模型，计算获得动态残差和稳态残差；接着通过信息粒化的方式，将多个相邻的对应时间的动态残差和稳态残差分成多个信息粒；利用卡尔曼滤波进行动态残差和稳态残差的信息融合，获得融合残差；
S4、对融合残差进行对尺度分析构建出状态检测信号。


2.根据权利要求1所述的基于大数据的多尺度状态监测法，其特征在于：所述步骤S1的数据预处理包括数据清理、数据集成、数据变换和数据说明；
所述数据清理用于处理空缺值和平滑噪声数据，识别并删除孤立点；
所述数据集成用于来自多个数据源的数据集成到一个统一的数据存储体；
所述数据变换通过平滑聚合...

【专利技术属性】
技术研发人员：张翀昊，杨楠涛，王文波，唐丽萍，王嵩，赵捷，姚开旺，
申请(专利权)人：常州天正工业发展股份有限公司，
类型：发明
国别省市：江苏;32