基于海量数据融合的设备状态评价方法*
2017-05-25陈永前李少波
组合机床与自动化加工技术 2017年5期
陈永前,李少波,b
(贵州大学 a.现代制造技术教育部重点实验室;b.机械工程学院,贵阳 550025)
基于海量数据融合的设备状态评价方法*
陈永前a,李少波a,b
(贵州大学 a.现代制造技术教育部重点实验室;b.机械工程学院,贵阳 550025)
针对传统方法难以实现对海量数据环境下的设备状态评价的问题,提出了一种基于海量数据融合的设备状态评价方法。首先,利用擅长处理海量数据的分布式聚类算法K-means对海量状态数据进行预处理为多个簇,并求出各个簇的质心作为该簇的代表信息;然后对代表信息进行加权处理;最后利用证据理论对加权的代表信息进行融合,从而决断出设备的状态。通过仿真实验结果表明,该方法能对海量信息进行有效融合,并能更合理地决断出设备的状态信息。
证据理论;海量数据;聚类;状态评价
0 引言
机械设备的状态评价是指在设备运行中,通过对特征信号的监测、处理、分析、评价等来判断设备的运行状态的一个过程。对机械设备的状态评价有助于实时获知设备的运行状况,从而有助于减少因设备故障所带来的加工损失。数据融合技术作为状态评价的重要手段,在近年来在该领域得到很大的研究与应用。文献[1] 提出了一种利用组合数据融合方法,并用于无线传感网络中,提高了目标识别的精度,并降低了算法的复杂度;文献[2]提出了一种基于凸函数证据理论与BIRCH的数据融合方法,并将其用于环境舒适度状态评价中,解决了状态评价难的问题;……
登录APP查看全文
