导弹发射装置分布式监测诊断系统

为了满足复杂装备监测与诊断的需要，基于分布式智能思想，采用无线通信技术和信息融合技术设计了一种导弹发射装置分布式监测诊断系统。该系统采用二次调制／解调方案，通过无线数据传输方式实现了上位机与下位机之间数据的可靠传输；采用多传感器数据层、特征层和决策层信息融合方法，大大提高了状态监测和故障诊断的精确性和实时性。     

轧机齿轮箱远程监测诊断系统

介绍了大型轧钢厂高速线材轧机齿轮箱在线远程监测诊断网络系统．能区分齿轮箱中轴承、齿轮、轴系三类零件各自的故障特征信号．同时研究冲击振动信号在齿轮箱故障诊断中的特殊作用和意义。系统中应用计算机网络。采用远程通信技术，应用WINNT 4．0SERVER/WINDOWS2000SERVER系统构建RAS(远程访问服务)系统。支持远程访问，这为诊断专家共享提供了一个实用的工具，实现了现场设备大范围的异地诊断技术．为现场设备的安全可靠运行提供了保障。     

基于融合策略的集成化智能诊断系统研究

文章比较系统的研究了目前在复杂电子设备诊断领域应用广泛的几种诊断方法，分析了各方法的优缺点和适用领域，并在此基础上，提出了基于融合策略的集成诊断构想，给出了集成化智能诊断模型。     

XML在远程设备监测与诊断系统中的应用

本文介绍了XML技术在远程设备诊断系统中的应用．分析了XML定义数据的方法以及应用模型和优势，并指出目前系统在数据集成和交互方面的问题以及基于CORBA的远程诊断方案的不足，在此基础上提出了基于XML／CORBA的远程设备诊断系统的结构。     

土木工程健康监测用F-P光纤应变测量技术

介绍了基于白光干涉的光纤F -P应变传感器原理 ,对其用于土木工程健康监测的安装工艺、温度补偿技术进行了研究 ,提出了工程应用中尚存的问题。     

面向新型智能融合终端的健康监测系统的设计

针对现有健康监测系统对智能终端运行状态监控不完善、指标不健全,以及无法满足用户监控、分析和预判终端健康情况的问题,本文提出了一种智能、高效、便捷的终端健康监测系统。该系统接入云端管理平台,利用大数据计算分析组件,实现终端健康指标制定、数据收集清洗;根据健康规则配置,计算分析智能融合终端的健康情况,生成终端健康指标综合分析报告;并基于智能融合终端的健康分析,实现主动预警,可提升远程运维服务能力,提高终端运维效率,降低终端运维成本。     

土木工程结构监测方法的发展状况分析

本文基于实际工作,分析了当前土木工程中主要运用的结构监测方法,着重介绍在土木工程结构中监测方法在诸如完善损害判别指标,提升监测正确性、改良传感器的安置方法,提升监测的可靠度和非线性评判方法等方面的应用,并对土木工程结构监测方法进行深入的研究,进而探讨出更多的改良结构监测方法的方案,确保土木工程的质量。     

基于COM的铝电解槽健康诊断系统软件平台

引入组件对象模型，阐述了组件的结构及实现，对多传感器数据融合系统体系结构进行了分析，基于COM技术，以一种新的体系结构对铝电解槽健康诊断系统软件平台进行设计与实现。通过引入COM技术，简化了铝电解槽健康诊断软件平台的设计和实现。     

智能健康管理多源异构数据融合体系与方法

针对智能健康管理中对信息集成的要求,深入分析信息资源的异构特性,对基于多级多中心的多源异构数据融合方法进行研究,提出智能健康管理中多源异构数据的融合树体系结构,并介绍融合系统的设计、融合节点的组成以及具体的融合算法。对所采集的健康数据进行仿真测试,实验证明该体系可以获得较好的融合效果,实现对信息的有效集成,使管理效果更加优化。     

心电图的微机检测与智能诊断系统的实现原理

本文介绍了一个心电图的微机自动检测与智能诊断系统的实现原理。该系统能对心电信号实现计算机自动检测，显示及存储，并利用人工智能的自动推理技术，对所获心电信号进行解释，分析和诊断。并还可直接给出诊断结果。     

面向智能服装健康监护系统的心电信号基线漂移处理

面向智能服装的健康监护系统心电信号存在严重的基线漂移,针对基漂去除的需要,提出了基于基线漂移阈值的分级处理方法。首先采用滑动窗口中值滤波算法对心电信号进行滤波,并计算出基线漂移的程度大小,当其大于给定的阈值时,采用小波变换得到QRS波群的位置信息和信号的特点来变动滑动窗口大小。中值滤波和小波算法可以在两个处理平台上并行运行,提高了运算速度;最后,运用该算法分别对模拟和实际的基线漂移进行处理,并与其他算法的处理结果进行了比较,结果表明该算法具有较好的实时性和处理效果。     

压电智能夹层及其特性分析

压电智能夹层可以有效地解决压电自诊断系统中直接使用压电片引起的弊端.通过适当改进当前的柔性印刷线路工艺制作出的压电智能夹层,不仅具有柔性印刷线路的特点,而且,应用在结构健康监测系统中还有其他一些独特的优越性能.并利用压电智能夹层进行了初步的拉伸载荷识别,同压电片相比,识别效果更明显.     

AI-enabled and multimodal data driven smart health monitoring of wind power systems: A case study

The development of AI has enabled the fault detection of industrial components to be achieved through the combination with deep learning. A detection method combined with deep learning has also emerged for the fault detection of fan blades, such as models based on neural networks using the appearance or sound of the blades. However, the detection model obtained from a single data type often has limitations, such as low accuracy and overfitting. This is also the problem with fan blade detection. In contrast, multimodal data fusion detection models are often more stable. The modality diversity of blade diagnosis is strong, and it can be achieved from multiple modalities such as image, sound, and vibration. To improve the accuracy of fault diagnosis of fan blades, this article proposes a multimodal double-layer detection system (MTDS) based on decision-level and feature-level fusion. The system includes a wind turbine simulation platform and a multimodal detection system. It mainly obtains different modal data of the simulated wind turbine from the image, sound, and vibration signals, including blade images through unmanned aerial vehicle photography, blade vibration signals through electronic vibrators, and blade sound signals through microphones. The highly correlated sound and vibration modal data are fused at the feature level, and a detection model based on the sound and vibration mixed mode is implemented using a sound-vibration-CNN (SV-CNN) proposed in this case. Then, a detection model of the image mode is trained based on the blade image using a Convolution Block Attention Module ResNet (CBAM-ResNet) network. Finally, the detection input of the two modal models is fed into a perceptron to obtain the final prediction result, and the decision-level fusion is implemented to achieve fan blade detection based on multimodal, namely the implementation of MTDS.     

基于物联网的智能家居远程无线监控系统设计

基于ARM920T内核的S3C2440、嵌入式Web服务、QT技术、无线组网技术,设计了智能家居监控系统,系统由智能家居主机、ZigBee/Wi-Fi无线传感控制网络、智能家居客户端软件组成。系统完成了智能家居主机的硬件和软件设计：在ARM平台上移植嵌入式Linux操作系统;使用gSOAP工具建立嵌入式Web服务;配置USB转串口驱动、无线Wi-Fi网卡驱动;组建ZigBee无线传感控制网络,完成对协调器节点以及终端节点的程序设计,制定了数据通信协议;使用QT技术设计客户端程序。最后,重点测试ZigBee网络的建立、终端节点入网和传感器节点数据传输。测试结果表明网络中的传感器节点能够将检测的信息传送到协调器中,智能家居客户端软件能够通过智能家居主机完成对家居环境的远程监测和控制。     

基于多元联合熵的复杂装备健康监控方法研究

将多元联合熵理论、数据融合的观点引入到复杂装备健康监控中,通过计算特定信号划分下的多传感器联合熵,以刻画复杂装备的健康状态。以飞行数据的联合奇异谱熵为例,探讨了该方法在航空发动机健康监控中的应用,进而为复杂装备的健康监控提供了一种统一和普适的方法。     

民用飞机关联性诊断技术研究

关联性诊断作为一种重要的故障诊断方法,对于缩短民机等复杂系统故障判定时间、减少故障损失、提高检修准确性、节约维修费用等,有着重大的理论意义和应用价值。本文介绍了民用飞机故障诊断技术的研究现状,在此基础上,提出并深入阐述了一种关联性诊断方法的原理与功能设计,并以风挡防冰系统为例进行验证。结果表明,根据原理分析所建立的系统模型,能够正确识别风挡防冰子系统故障,证明了该方法的有效性。     

一种带有GPS的智能手机监控系统与方法

本文提出了一种带有GPS的智能手机监控系统及方法。该系统包含服务器平台和带有GPS的智能手机终端,实现实时位置查询、定时位置查询、周期位置上报,区域报警功能、终端初始化、按键设置、呼入呼出设置、用户管理、系统初始化、终端登录、SOS报警和缺电及关机报警等功能。同时本系统规定了一系列服务器平台和智能手机终端的信息交互流程。经实验验证,本系统与方法能够应用在多种型号的带有GPS的智能手机终端上,功能完善,真正实现位置监控与安全管理。     

Multi-source information fusion for smart health with artificial intelligence

The rapid developments in Artificial Intelligence present an opportunity for the research community to provide and advance Smart Health for the well-being of our society. By considering the availability of multi-source information and heterogeneous data in the era of Big Data, this Special Issue explores the theories, methodologies and possible breakthroughs that have designed and adopted information fusion for Smart Health powered by recent Artificial Intelligence advances. Specifically, this Special Issue focuses on three questions; How to achieve and realize human-level intelligence in Smart Health, How to achieve and benefit Smart Health from a multi-disciplinary balance, and How to utilize the power of Big Data for Smart Health. The Special Issue is a great success, with a small number of quality studies carefully selected from an overwhelming amount of contributions.     

基于大数据的智能电网状态远程监测方法

智能电网作为一种智能化电力传输载体,在电力供应环节发挥了重要作用,因此保证其正常运行具有重要的现实意义。当前智能电网状态远程监测多与智能算法相结合,通过智能算法完成状态评估,常见的智能算法有神经网络、决策树以及支持向量机等,但这三种算法应用下,空间复杂度与时间复杂度较大。针对上述问题,提出一种基于大数据的自适应免疫粒子群算法智能电网状态远程监测方法。方法首先利用量测工具对智能电网状态信息量进行采集,然后对采集到的信息量进行处理,包括数据清洗、数据去噪、数据消减、数据标准化,最后利用自适应免疫粒子群算法实现智能电网健康状况评估。结果表明:与神经网络、决策树以及支持向量机三种算法相比,自适应免疫粒子群算法运行下,产生的空间复杂度与时间复杂度最小,分别为247.7 byte和154 s。