企业离散式智能设备预测性维护综述

针对智能设备的大量使用且缺乏根据监测大数据进行故障自动分析、判断与处理的问题,研究了基于物联网技术、大数据技术、边云协同技术的智能设备预测性维护框架和模式.提出针对非智能设备安装传感器实现设备智能化的方法.指出边缘计算负责设备工况数据的实时采集、分析,可快速甄别设备故障并实时报警;云计算聚焦同类设备运行海量历史数据的挖掘和分析,形成故障自动预测分析和诊断模式并下载至智能边缘设备.在研究了模型驱动、数据驱动、概率统计驱动、数字孪生和概率数字孪生驱动等故障预测模式后,提出了采用数据驱动的多层级数据融合模式,为制定企业性智能设备维保方案提供借鉴作用.     

数字孪生技术驱动下智慧图书馆场景化服务模式研究

智慧城市的建设和发展,离不开数字孪生技术的支持。智慧图书馆作为智慧城市建设的重要构成部分,进一步借助于数字孪生技术打造场景化服务模式,对于服务转型升级具有重要影响。本文基于数字孪生技术探讨了智慧图书馆的特征,就新技术驱动下的智慧图书馆体系架构展开分析,研究了智慧图书馆场景化服务模式,希冀借此为相关人员提供参考。     

基于数字孪生的火箭测试与发射过程健康管理技术研究

为了解决运载火箭对地面测试与发射过程中对数据综合分析能力,飞行过程的故障诊断和预测能力,以及故障处理措施的快速决策等能力的迫切需求,提出一种基于数字孪生技术的火箭测试与发射过程健康管理系统设计方案;该方案通过建立运载火箭测试与发射阶段数字孪生模型,实现对火箭测试和发射过程的天地镜像仿真,依托数字孪生模型,对运载火箭健康管理功能进行了设计和优化;利用真实火箭和数字孪生火箭的信息交互,可有效实现火箭测试过程数据分析、飞行过程协同诊断,以及故障处理决策支持等功能;该系统提高了火箭发射的可靠性,为火箭可靠飞行提供了技术保障;同时,该技术在运载火箭健康管理上的应用也面临一些关键技术还需要进一步突破和发展.     

面向智能矿山与新工科的数字孪生技术研究

将数字孪生与人工智能(AI)技术相结合,提出了基于数字孪生+AI的智能矿山建设新思路。探索了智能矿山技术发展路径,研究了数字孪生技术的特征、应用领域及发展趋势,指出数字孪生是数字化矿山发展的必然趋势。提出了基于数字孪生+AI的智能矿山理论架构,构建了矿山数字孪生模型,模型自下而上分别为矿山全要素物理实体、矿山信息物理融合层、矿山数字孪生模型、矿山孪生数据交互层、矿山应用智能服务层,据此实现智能矿山的泛在感知、协同控制和智能决策与优化。从应用实际需求出发,探讨了智能矿山模型构建技术、智能开采数字孪生体技术、矿山智能控制技术、矿山设备故障预测、基于数字孪生的人机交互等关键技术。通过研究数字孪生在智能矿山中的应用,为AI技术在智能矿山应用落地提供思路,为未来智能矿山新工科建设提供理论借鉴。     

数字孪生在煤矿电网中的应用研究

立足于数字孪生的基本概念和内涵,分析了数字孪生技术在煤矿电网中的应用优势：以同步实体运行状态、数字化模拟运行2种手段来辅助煤矿电网的运行管理,具有数据驱动、实时更新、同步反馈的特点。提出了由煤矿电网物理实体层、煤矿电网数字孪生模型层、用户管理服务层、数据交流层组成的煤矿电网数字孪生体系基本架构,从物理实体、数字孪生模型2个方面探索了煤矿电网数字孪生体系运行模式。介绍了建立煤矿电网数字孪生体系的关键技术：煤矿电网数字孪生模型构建、智能数据采集、基于5G的智能通信、数字孪生智能数据库、数字孪生设备智能管理平台。给出了数字孪生技术在煤矿电网中的具体应用场景,包括煤矿井下电气设备状态评估、煤矿电网故障定位和保护、煤矿电网智能监控、煤矿井下线路智能巡检。将数字孪生技术应用在煤矿电网中,对煤矿电网的状态和运行进行动态仿真建模,一方面可以满足当今规模庞大的煤矿电网相对地面电网更高的运行要求,保障煤矿生产安全性,另一方面可推进煤矿电网的智能化进程,实现数据资源高效合理利用。     

四旋翼飞行器的数字孪生系统设计

随着四旋翼飞行器在工程实践中的应用越发广泛,对其控制系统的精确性、快速性、适应性等要求也不断提高。近些年的研究热点--数字孪生,正是借助数据和模型模拟物理实体在现实环境中的行为,通过对物理对象的精准数字化,可用于提高物理实体或系统的运行效率。将数字孪生技术引入四旋翼飞行器的控制系统,建立四旋翼飞行器的数字孪生系统体系架构。详细阐述该体系架构搭建所涉及的相关技术：四旋翼飞行器的数字孪生建模;以传感器技术与无线通讯技术为载体的数据采集与传输;本地数据库配合Hadoop技术进行大数据存储、挖掘。对实际的四旋翼飞行器进行了模型仿真与实地测试,验证了所设计的数字孪生系统的有效性,达到了四旋翼飞行器的运行过程透明化和利用孪生数据优化飞行控制与机身状态的效果。     

数字孪生支持下的设备故障预测与健康管理方法综述

故障预测与健康管理(PHM)是设备运行维护管理的有效方法,早期主要应用于航天、军用装备等领域。随着故障诊断和数据采集与分析等相关技术的不断发展,PHM方法逐渐在民用航空、装备制造等领域得到应用,并进一步在多行业得到推广和普及。传统PHM方法有基于经验模型的方法、基于数据驱动的方法和基于物理模型的方法。但这些方法存在着不少的局限性。随着数字孪生技术的兴起,其模型和数据相融合的问题处理方法,可有效地解决传统PHM方法的不足,是PHM技术发展的一个方向。在对PHM相关技术和方法进行了研究之后,综述了数字孪生技术及其在PHM中的应用方法,并对应用中的关键问题进行了总结和分析,指出数字孪生支持下的PHM方法未来发展方向。     

基于数字孪生和卷积神经网络的变压器故障诊断

为了满足电力系统中变压器对故障诊断的实时性、高精度、误差小等要求,提出了一种基于数字孪生的CNN变压器故障诊断方法。论文根据变压器的机理模型和数据模型建立基于数字孪生的故障诊断模型,将特征气体作为1D-CNN网络中的输入,经过卷积层和池化层训练、优化模型,进行故障诊断。实验结果表明,论文提出的故障诊断模型的正确率和效率表现更优,结合数字孪生技术,能够保障电力系统的安全可靠运转。     

质子交换膜燃料电池系统数字孪生故障诊断模型研究

基于数字孪生的平行故障诊断方法通过检测和评估真实系统与数字孪生系统之间的残差进行故障诊断,相关数字孪生体基于质子交换膜燃料电池动力学模型和数据集合建立.如果残差向量超过故障检测阈值,则利用故障残差的相对敏感度执行故障隔离.本文将平行故障诊断方法引入质子交换膜燃料电池系统,构建了基于数字孪生估计器的平行故障诊断模型.仿真...     

数字孪生驱动的火箭控制系统故障诊断研究综述

在第四次工业革命中,智能制造成为各国工业发展的重点方向,数字孪生技术作为一项新兴技术,能够有效实现物理信息的融合;将其应用于火箭控制系统的故障诊断和健康管理,能够进一步提高故障诊断的事前准确性,提升火箭发射的可靠性;本文对数字孪生技术在航天领域的研究现状进行归纳整理;首先梳理了NASA的数字孪生目标,国内领域按照设计、生产、支持服务阶段对数字孪生应用进行分类;其次,按照故障树、专家系统、神经网络、数据驱动的方法阐述控制系统故障诊断的研究现状;在介绍数字孪生驱动的健康管理方法的基础上,提出数字孪生驱动的火箭控制系统的故障诊断方法;详细介绍其基本组成框架,分析关键技术及应用难点,并提出数字孪生健康管理平台的基本流程;该方法预期实现火箭控制系统的事前诊断和维修策略的制定     

A Taxonomy of Dirty Data

Today large corporations are constructing enterprise data warehouses from disparate data sources in order to run enterprise-wide data analysis applications, including decision support systems, multidimensional online analytical applications, data mining, and customer relationship management systems. A major problem that is only beginning to be recognized is that the data in data sources are often dirty. Broadly, dirty data include missing data, wrong data, and non-standard representations of the same data. The results of analyzing a database/data warehouse of dirty data can be damaging and at best be unreliable. In this paper, a comprehensive classification of dirty data is developed for use as a framework for understanding how dirty data arise, manifest themselves, and may be cleansed to ensure proper construction of data warehouses and accurate data analysis. The impact of dirty data on data mining is also explored.     

数据治理技术

随着信息技术的普及，人类产生的数据量正在以指数级的速度增长，如此海量的数据就要求利用新的方法来管理.数据治理是将一个机构（企业或政府部门）的数据作为战略资产来管理，需要从数据收集到处理应用的一套管理机制，以期提高数据质量，实现广泛的数据共享，最终实现数据价值最大化.目前，各行各业对大数据的研究比较火热，但对于大数据治理的研究还处于起步阶段，一个组织的正确决策离不开良好的数据治理.首先介绍数据治理和大数据治理的概念、发展以及应用的必要性；其次，对已有的数据治理技术——数据规范、数据清洗、数据交换和数据集成进行具体的分析，并介绍了数据治理成熟度和数据治理框架设计；在此基础上，提出了大数据HAO治理模型.该模型以支持人类智能（HI）、人工智能（AI）和组织智能（OI）的三者协同为目标，再以公安的数据治理为例介绍HAO治理的应用；最后是对数据治理的总结和展望.     

大数据可用性的研究进展

信息技术的迅速发展催生了大数据时代的到来.大数据已经成为信息社会的重要财富,为人们更深入地感知、认识和控制物理世界提供了前所未有的丰富信息.然而,随着数据规模的增长,劣质数据也随之而来,导致大数据质量低劣,极大地降低了大数据的可用性,严重困扰着信息社会.近年来,数据可用性问题引起了学术界和工业界的共同关注,开展了深入研究,取得了一系列研究成果.本文介绍数据可用性的基本概念,讨论数据可用性的挑战与研究问题,综述数据可用性方面的研究成果,探索大数据可用性的未来研究方向.     

数据迁移的一般原则

在应用软件及数据库开发中经常要做数据迁移工作 ,数据迁移就是将数据从一种数据环境移入另一种数据环境中。进行彻底而精确的数据转换应遵循以下关键步骤 :识别源数据、确定数据集成转换的规则以及开发转换规则代码。介绍了数据迁移的一般步骤 ,并提出了从数据转换、选择迁移方法以及从元数据管理的角度评价迁移工具的标准     

软件开发活动数据的数据质量问题

问题追踪系统和版本控制系统等软件开发支持工具已被广泛应用于开源和商业软件的开发中,产生了大量的数据,即软件开发活动数据.软件开发活动数据被广泛应用于科学研究和开发实践,为智能化开发提供支持.然而数据质量对相关的研究和实践有重大影响,却还没有得到足够的重视.为了能够更好地警示数据使用者潜在的数据质量问题,通过文献调研和访谈,并基于自有经验对数据进行分析,总结出了9种数据质量问题,覆盖了数据产生、数据收集和数据使用这3个不同的阶段.进一步地,提出了相应的方法以帮助发现和解决数据问题.发现问题是指加强对数据上下文的理解和通过统计分析及数据可视化发现潜在的数据质量问题,解决问题是指利用冗余数据或者挖掘用户行为模式进行修正.     

大数据技术应用与研究的新视角

伴随着人类进入大数据时代,大数据在彰显出巨大应用价值的同时,也凸显出数据可用的科技问题。如何解决数据可用带来的挑战,成为各国政府和学界高度关注的问题。目前,针对大数据的可用性研究刚刚起步,对大数据可用性进行了探讨,并就数据可用性的研究前景进行了展望。     

数据仓库系统中源数据的提取与集成

人们对数据分析的要求的不断提高导致了数据仓库的发展，而在建设数据仓库的过程中非常关键的一步就是从事务数据库或其它的数据源中抽取和集成原始数据。本文在对数据集成方法和数据获取中可能碰到的问题进行全面分析的基础上，较为详细地介绍了我们自行开发的数据仓库系统SEUwarehouse中源数据提取与集成工具的设计与实现．     

数据提取、转换和装载技术研究

来自企业操作环境的数据是数据仓库的数据源，通过提取、转换、装载填充数据仓库，对数据提取、转换与装载技术进行了研究与实践。对数据提取、转换与装载要解决的问题进行了详细论述并提出了相应的解决方法，并以MS SQL Server2000为例，介绍了可用于析取数据的一些工具。在此基础上，以电信行业话单数据载入数据仓库为实例，就如何实现各步骤进行了详细说明，提出了在数据提取、转换与装载过程中需注意的一些问题。     

基于时效规则的数据修复方法

数据时效性是影响数据质量的重要因素,可靠的数据时效性对数据检索的精确度、数据分析结论的可信性起到关键作用.数据时效不精确、数据过时等现象给大数据应用带来诸多问题,很大程度上影响着数据价值的发挥.对于缺失了时间戳或者时间不准确的数据,精确恢复其时间戳是困难的,但可以依据一定的规则对其时间先后顺序进行还原恢复,满足数据清洗及各类应用需求.在数据时效性应用需求分析的基础上,首先明确了属性的时效规则相关概念,对属性的时效规则等进行了形式化定义;然后提出了基于图模型的时效规则发现以及数据时序修复算法;随后,对相关算法进行了实现,并在真实数据集上对算法运行效率、修复正确率等进行了测试,分析了影响算法修复数据正确率的一些影响因素,对算法进行了较为全面的分析评价.实验结果表明,算法具有较高的执行效率和较好的时效修复效果.     

大数据的一个重要方面:数据可用性

随着信息技术的发展,特别是物理信息系统、互联网、云计算和社交网络等技术的突飞猛进,大数据普遍存在,正在成为信息社会的重要财富,同时也带来了巨大的挑战.数据可用性问题就是大数据的重要挑战之一.随着数据的爆炸性增长,劣质数据也随之而来,数据可用性受到严重影响,对信息社会形成严重威胁,引起了学术界和工业界的共同关注.近年来,学术界和工业界开始研究数据可用性问题,取得了一些的研究成果,但是针对大数据可用性问题的研究工作还很少.介绍了大数据可用性的基本概念,讨论大数据可用性的挑战,探讨大数据可用性方面的研究问题,并综述数据可用性方面的研究成果.