异构制造大数据智能融合技术及应用

本书是一本异构制造大数据智能融合技术的学术专著。本专著以制造业大数据为背景，围绕旋转设备的运行状态展开，系统介绍了在多源异构制造大数据的基础上利用多源数据融合的方法实现旋转设备的运行状态监测和智能诊断，具体包括制造大数据的采集与存储、数字信号的分析、多源异构数据的融合、智能诊断模型的构建、算法的设计与实现、实验结果的分析及其可视化展示、应用案例的开发实现等内容，是一本较为全面系统的参考书。
本专著的最大亮点和特色是遵循理论性与实践性相结合、先进性与实用性相结合、专业性与通用性相结合的原则。
本专著适合以下读者：对人工智能、机器学习、数据融合感兴趣的读者；希望用计算机的算法解决机械相关领域的研究者、工程设计人员和应用人员；可以作为计算机专业和机械专业的本科毕业设计和研究生学术论文的参考资料，尤其是研究多源数据融合和机械设备故障诊断方向的参考；还可以作为相关工程技术人员的辅助参考。

本书是一部异构制造大数据智能融合技术的学术专著。本书以制造业大数据为背景，围绕旋转设备的运行状态展开，系统介绍了在多源异构制造大数据的基础上利用多源数据融合的方法实现旋转设备的运行状态监测和智能诊断。
本书的最大亮点和特色是遵循理论性与实践性相结合、先进性与实用性相结合、专业性与通用性相结合的原则。
本书适合以下读者: 对人工智能、机器学习、数据融合感兴趣的读者；希望用计算机的算法解决机械相关领域问题的研究者、工程设计人员和应用人员。本书可以作为计算机专业和机械专业的本科毕业设计和研究生学术论文的参考资料，尤其是可供研究多源数据融合和机械设备故障诊断方向的学生、研究人员参考；还可以作为相关工程技术人员的辅助参考。

第1章制造大数据简介1
1.1制造大数据概念1
1.2制造大数据发展现状2
1.3制造大数据关键技术3
1.3.1数据采集3
1.3.2数据预处理6
1.3.3数据分析7
1.3.4制造大数据处理流程12
1.4制造大数据的应用13
1.5制造大数据面临的挑战14
1.6制造大数据的发展前景15
1.7异构制造大数据16
第2章制造大数据云存储技术18
2.1云存储发展现状及趋势18
2.1.1国外云存储发展现状18
2.1.2国内云存储发展现状20
2.2云计算及云存储技术22
2.2.1云计算框架模型22
2.2.2云存储系统架构23
2.2.3云存储发展的关键技术25
2.3数据加密技术27
2.3.1密码学简介27
2.3.2DES对称加密技术29
2.3.3RSA公钥加密技术35
2.3.4数字签名技术37
2.4数据加密技术在云存储中的应用39
2.4.1云存储中数据加密技术的设计39
2.4.2云存储中数据加密技术的安全性分析44
2.4.3云存储中数据加密技术的实现46
2.4.4云存储中数据加密技术的实验分析50
第3章制造大数据的多源异构数据融合62
3.1多源制造大数据融合方法综述62
3.1.1多源数据融合方法62
3.1.2多源数据融合方法在设备故障诊断中的应用64
3.2多源制造大数据融合算法分析67
3.2.1证据理论67
3.2.2学习向量化神经网络70
3.2.3决策树72
3.2.4卷积神经网络74
3.3证据理论决策融合算法的改进81
3.3.1证据理论的不足81
3.3.2证据理论的改进83
3.4证据理论决策融合算法的应用88
3.4.1基于神经网络和证据理论的样本预测88
3.4.2基于证据理论的多传感器多目标识别94
3.4.3改进证据理论（IDS）在设备故障中的融合诊断100
第4章制造大数据背景下旋转设备的智能故障诊断105
4.1制造大数据背景下设备故障智能诊断技术分析105
4.1.1设备故障发生的一般规律105
4.1.2传统的机械设备故障诊断方法107
4.1.3多源数据融合的设备故障诊断方法108
4.2制造大数据背景下设备故障状态监测与诊断的框架109
4.3基于LVQ和DT的单源信号多传感器融合智能诊断112
4.3.1单源信号多传感器融合诊断的实验数据准备112
4.3.2单源信号多传感器融合诊断的故障特征提取114
4.3.3单源信号多传感器融合诊断的模型构建121
4.3.4基于LVQ和DT的多模型融合故障诊断方法122
4.3.5基于IDS融合LVQ和DT的多模融合诊断结果分析134
4.4基于CNN的多源信号多传感器融合智能诊断136
4.4.1多源信号多传感器融合诊断的实验装置及数据准备137
4.4.2基于振动信号的ASCNN融合诊断模型构建139
4.4.3基于声音信号的ESCNN融合诊断模型构建149
4.4.4基于IDS的振声信号的融合诊断模型构建154
4.4.5基于IDS的振声信号的融合诊断模型性能分析155
第5章制造大数据多源融合及分析系统开发与实现162
5.1多源异构制造大数据场景162
5.2制造大数据多源融合与分析系统总体设计166
5.2.1需求分析166
5.2.2总体结构设计167
5.2.3数据库设计171
5.3制造大数据多源融合与分析系统详细设计与实现177
5.3.1系统详细设计177
5.3.2系统实现180
5.4制造大数据多源融合与分析系统应用及效果展示182
5.4.1系统安装与配置182
5.4.2应用效果展示183
参考文献190

新一代智能制造已成为大国科技博弈的关键要素。“中国制造”和“智能制造”长久以来在国家发展战略中占据重要地位，是社会经济发展和人民安居乐业的重要保障。继德国“工业4.0战略”推出后，2015年5月，国务院印发《中国制造2025》，提出要求按照“四个全面”战略布局要求，实施制造强国战略。《中国制造2025》是推进实施制造强国的战略文件与行动纲领，该纲领文件明确支持战略性重大项目和高端装备实施技术改造的政策方向。落实信息化与工业化的两化融合是实现高端装备技术改造的重要前提。在两化融合中，大型旋转机械装备智能运维是践行并验证高端装备技术改造的典型对象与应用场景。通过智能装备运维，有助于提高高端装备在运行过程中的安全性与可靠性，帮助企业实现降本增效、为国民生产创造财富收益。因此，开展旋转设备状态监测和故障智能诊断研究在工业生产中具有重要意义。本书先从制造大数据技术采集旋转设备的实时数据，利用云存储技术进行存储，利用数据融合技术提取敏感特征，借助于机械学习模型进行故障诊断，最后还通过一个应用实践案例使全书介绍的主要理论知识得到充分应用，帮助读者深入理解异构制造大数据智能融合的基础理论及其应用技术。
《中国制造2025》指出，要加强建设制造强国，大力发展高端装备制造业，需要提高信息化水平并与工业化相结合，研究设备的故障监测、预警与健康管理技术。随着信息产业与工业的结合，旋转装备更加智能化、多功能化，准确智能的实时监测与诊断迎来新的挑战。机器学习是学习样本数据的内在规律和表示层次，在这个过程中获得的信息能够识别图像、声音等数据，反过来可以更精确地解释监测对象的现象表征。旋转机械是主要的制造设备之一，利用先进的传感技术多方位采集旋转设备的故障数据，利用多源数据融合技术将采集到的多源异构数据决策融合获得具有故障表征的敏感特征，将其送入机器学习的模型中，利用其超强的自学习能力，获得故障表征与故障数据之间的映射关系，从而预测机械设备可能出现的故障，进而实现事前干预，提高设备的使用寿命。目前，现有的设备故障诊断的图书处于单学科、单领域考虑解决问题的居多，较少考虑跨学科跨领域的交叉解决方案，不利于提高学生项目创新和实践能力。因此，在相关专家的建议和指导下，组织出版本书，以满足交叉领域学科专业研究生的教学需要。
本书各章内容简介如下。
第1章主要介绍制造大数据的概念，发展现状，关键技术（包括数据采集、预处理、分析和处理流程），应用，面临的挑战、发展前景和异构制造大数据。
第2章主要介绍制造大数据的云存储技术，包括云存储的发展，云存储的系统架构及其关键技术，数据在云存储过程中涉及的数据加密技术，数字签名在云存储中的应用。
第3章主要介绍多源异构数据的证据融合方法。首先综述了多源数据融合的方法，然后介绍了常见的融合算法。针对数据融合算法中应用最广泛的证据理论无法有效处理证据冲突的问题，提出一种改进的证据融合算法。该算法首先利用邻位借值的方式避免“一票否决”现象；其次利用距离函数修正证据权重和德尔菲法修正传感器权重，结合二者共同修正基本概率赋值；然后根据冲突因子和阈值的大小关系来选择相应的融合规则完成数据融合。将改进后的算法和现有的其他改进方法对比分析来体现改进方法的有效性和鲁棒性。最后，将改进的证据理论融合算法应用到样本预测、目标识别和故障诊断中，获得了比原始算法理想的诊断率。
第4章主要介绍旋转设备在制造大数据背景下的智能故障诊断方法。首先分析旋转设备智能故障诊断的技术，接着根据制造大数据的特点，构建旋转设备故障状态监测与智能诊断模型，然后从单源信号多传感器数据融合与多源信号多传感器数据融合两个角度进行智能诊断。针对单源信号非集成模型受单一结构、单一方法的约束，且传感器本身的性能局限，难以全面反映设备状态的问题，提出一种基于改进证据理论的融合学习向量化神经网络和决策树的集成诊断模型。利用凯斯西储大学轴承故障平台的实验数据，借助FFT、PCA进行特征提取与降维，送入LVQ和DT模型中训练学习，结合IDS进行决策级融合分析，实现对轴承故障的诊断识别。针对单源传感器受信号源单一和自身性能的局限，难以在不同工况条件下全面反映机械设备运行状态的问题，提出一种基于卷积神经网络的多源传感器融合振声信号的诊断方法。利用半消声室环境中搭建齿轮箱故障诊断平台获得的齿轮运行数据，将声音信号和振动信号预处理后送入CNN模型，结合IDS进行融合决策，得到更精确的设备运行状态。
第5章基于前面工作的积累，开发一个多源数据融合与大数据分析系统。首先分析制造车间多源制造大数据的产生、处理和技术架构，提出系统的功能需求，并设计系统的感性模型和技术框架；然后阐述数据库的选择和数据结构设计以及功能模块实现；最后展示系统在贵州某电器企业的应用效果，使企业降低维修成本，提高生产效率。
本书是作者姚雪梅在攻读硕士学位、博士学位期间的主要研究成果。本书的出版得到了贵州大学省部共建公共大数据国家重点实验室开放课题（PBD202222）、贵州民族大学自然科学基金项目（GZMUZK［2022］YB07）、贵州省教育厅自然科学研究项目（编号: 黔教技［2022］047号）的资助，在此表示衷心的感谢。在此，要特别感谢我的博士导师李少波教授、硕士导师杨云江教授,团队同仁夏大文院长、霍雨佳副院长对我在本书撰写过程中的大力支持和教导。最后，感谢书中引用文献作者的辛勤劳动。
由于作者水平有限，书中难免存在疏漏和不当之处，恳请广大读者和同行批评指正。

作者
2024年10月