边缘计算在制造业数据采集与处理中的应用

边缘计算靠近设备现场提供分布式计算、存储、应用等服务,在制造业数据采集和处理方面相较以云计算为中心的模式,其具有更高的实时性等优点,因此研究边缘计算在制造业的应用有着较高的实际价值。介绍了边缘计算的架构模式和在制造业中的应用趋势,对国内外应用于制造业数据采集与处理中的边缘计算软件服务框架进行对比研究,总结了在边缘层获取采集数据、边缘节点管控与集群、智能数据处理和应用实施等方面,当前面临的问题和技术解决方案,以利于边缘计算在制造业应用中的落地和发展。     

基于PCA 和KNN 的电主轴故障诊断方法研究

电主轴是数控机床中重要的部件之一, 其性能的优劣直接影响机床工况和加工零件质量。对电主轴进行故 障诊断能很大程度上提高数控机床的加工精度, 并且能够有效地增加其可靠性和安全性。在一般诊断过程中, 原 始数据的高维特征量处理较为困难。为顺应实际应用中对电主轴故障诊断的精度要求, 提出一种基于主成分分析 (PCA) 与K 最近邻(KNN) 的电主轴故障诊断方法。此方法利用PCA 对原始非线性时间序列数据的特征向量进行 降维, 并选取其中主成分特征向量。将得到的主成分特征向量作为KNN 的输入进行故障分类。最后将该方法的预 测结果与决策树和随机森林的分类结果进行对比, 结果表明, PCA-KNN 算法在故障分类精度上相较于其他两种算 法有显著提高, 是一种有效的电主轴故障分类方法。