CN116721485A - 一种基于容器技术的汽车轮毂轴承监测系统流计算平台 - Google Patents

一种基于容器技术的汽车轮毂轴承监测系统流计算平台 Download PDF

Info

Publication number
CN116721485A
CN116721485A CN202310973197.6A CN202310973197A CN116721485A CN 116721485 A CN116721485 A CN 116721485A CN 202310973197 A CN202310973197 A CN 202310973197A CN 116721485 A CN116721485 A CN 116721485A
Authority
CN
China
Prior art keywords
computing
module
data
node
data stream
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202310973197.6A
Other languages
English (en)
Other versions
CN116721485B (zh
Inventor
杨华勇
谢海波
王柏村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202310973197.6A priority Critical patent/CN116721485B/zh
Publication of CN116721485A publication Critical patent/CN116721485A/zh
Application granted granted Critical
Publication of CN116721485B publication Critical patent/CN116721485B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C41/00—Other accessories, e.g. devices integrated in the bearing not relating to the bearing function as such
    • F16C41/008—Identification means, e.g. markings, RFID-tags; Data transfer means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G01M17/013—Wheels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C2233/00—Monitoring condition, e.g. temperature, load, vibration
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C2326/00—Articles relating to transporting
    • F16C2326/01—Parts of vehicles in general
    • F16C2326/02—Wheel hubs or castors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2123/00—Data types
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2123/00—Data types
    • G06F2123/02—Data types in the time domain, e.g. time-series data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Mechanical Engineering (AREA)
  • Medical Informatics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开一种基于容器技术的汽车轮毂轴承监测系统流计算平台，包括：数据集成单元，用于获取由汽车轮毂轴承监测系统采集的轮毂轴承温度和轮毂运行状态形成的数据流；融合计算单元，用于对不同运动状态下的轮毂轴承温度数据处理任务进行分解，划分为不同计算阶段，并依据计算阶段设计管道模型，基于管道模型原理组建多类型的分布式节点；其中，采用容器技术对不同的计算阶段的计算环境进行封装与隔离；动态调度单元，用于根据配置的动态分发策略，实时监控分布式节点的负载状态，实现并行处理阶段数据流之间的动态调度。本发明可有效解决现有轴承监测系统功能局限的问题，实现对兆级复杂监测数据的实时并行处理，具有重要技术进步意义。

Description

一种基于容器技术的汽车轮毂轴承监测系统流计算平台
技术领域
本发明涉及汽车数据的智能监测领域，具体来说，涉及一种基于容器技术的汽车轮毂轴承监测系统流计算平台。
背景技术
随着汽车轮毂轴承的广泛应用，其运行状态的实时监测与故障预测对保证系统安全高效运转极为重要。但现有汽车轮毂轴承监测系统存在以下问题:
1. 监测过程中产生兆级状态数据,传统批处理系统难以实现实时处理;
2. 不同负载条件下，轴承故障特征差异大，难以建立统一的监测模型;
3. 面向具体场景设计的监测系统可扩展性及迁移性较差。
而流计算技术由于可实时处理大量连续数据，通过在数据流动过程中进行分析，可获得即时洞察。但对于目前的流计算框架，其一般只支持特定编程语言进行计算阶段的开发，然而对于轴承监测系统，其存在多个阶段的计算阶段，且这些计算阶段的计算开发要求也各不相同，因此将目前的流计算框架应用于轴承监测系统将存在如下问题：
无法灵活的根据计算阶段的特性来选择更合适的编程语言，导致运行效率低；
计算阶段运行时软硬件环境隔离性弱，导致单个计算阶段的异常运行会影响到所在计算节点的其他计算阶段的运行；
计算阶段的资源分配和并行度由流计算作业开发者采用静态预设置的方式，缺乏动态弹性调整的机制，导致计算资源的浪费。
发明内容
针对现有技术中的问题，本发明提出一种基于容器技术的汽车轮毂轴承监测系统流计算平台以及方法，以克服现有相关技术所存在的上述技术问题。
本发明采用的具体技术方案如下：
一种基于容器技术的汽车轮毂轴承监测系统流计算平台，其包括：
数据集成单元，用于获取由汽车轮毂轴承监测系统采集的数据流；其中，所述数据流包括在不同轮毂运行状态下的轮毂轴承温度；
融合计算单元，用于对不同运动状态下的轮毂轴承温度数据进行分解，划分为不同计算阶段，并依据计算阶段设计管道模型，基于管道模型原理组建多类型的分布式节点；其中，采用容器技术对不同的计算阶段的计算环境进行封装与隔离；
动态调度单元，用于根据预先配置的动态分发策略，实时监控各个分布式节点的负载状态，并行处理各个计算阶段的数据流之间的动态调度，均衡数据处理负载；
缓冲存储单元，用于匹配数据库实现对轮毂轴承温度和轮毂运行状态形成的数据流的分布式缓存，且提供输入、输出数据流的安全备份及数据恢复功能；
业务前台单元，用于实现对轮毂轴承温度和轮毂运行状态形成的数据流全生命周期管理与安全访问。
优选地，所述分布式节点包括计算节点，所述计算节点包括实时计算节点以及离线计算节点；
则所述融合计算单元包括实时计算模块、离线计算模块及管道流程模块；其中：
所述实时计算模块，用于按照数据处理流程将对实时数据流的处理分解为不同的实时计算阶段，并根据每个实时计算阶段分配的实时计算节点，对实时的轮毂轴承温度和轮毂运行状态形成的数据流进行阶段性计算，每个所述实时计算阶段内所述实时计算节点之间遵循动态分发策略；
所述离线计算模块，用于按照数据处理流程将对离线数据流的处理分解为不同的离线计算阶段，并根据每个所述离线计算阶段分配的离线计算节点，对离线数据流进行阶段性计算；其中，每个所述离线计算阶段内所述离线计算节点之间遵循动态分发策略；
所述管道流程模块，用于定义与配置实时计算节点或离线计算节点的数据处理流程，将不同计算阶段分配至不同计算节点进行并行处理。
优选地，所述管道流程模块包括管道定义子模块、节点划分子模块、节点通信子模块及并行协调子模块；其中：
所述管道定义子模块，用于根据汽车轮毂轴承监测系统采集的轮毂轴承温度和轮毂运行状态形成的数据流的处理需求，设计并定义管道模型，将数据流处理划分为不同的计算阶段；
所述节点划分子模块，用于依据划分的计算阶段将计算节点划分至不同的计算阶段，每个计算阶段内的计算节点执行管道中一个阶段；
所述节点通信子模块，用于实现同一个计算阶段内不同计算节点之间的数据传递与通信，满足所述动态分发策略下的数据调度；
所述并行协调子模块，用于保证计算节点之间的协调和同步，以保证数据流在不同计算节点之间的正确传递和处理顺序。
优选地，所述并行协调子模块包括任务调度协调器、数据流控制器及分布式锁；其中：
所述任务调度协调器，用于根据计算阶段的依赖关系和执行优先级，确定计算阶段的执行顺序，并将各个计算阶段分配给相应的计算节点；
所述数据流控制器，用于实现计算节点之间的依赖管理和数据流控制，且设定每个计算节点自身的负载调配区间；
所述分布式锁，用于确保每个计算节点执行各自的关键任务以及确保数据流在不同计算节点之间的传递与处理顺序。
优选地，所述分布式节点还包括缓存节点。
所述动态调度单元包括节点监控模块、安全校验模块、动态调度模块及分发路由模块；其中：
所述节点监控模块，用于对计算节点进行实时监控，设定监控采集周期，按周期获取实时计算节点或离线计算节点的负载状态；
所述安全校验模块，用于对轮毂轴承温度和轮毂运行状态形成的数据流及来源进行安全识别与校验，并根据输入数据流的来源与类型划分为实时数据流与离线数据流；
所述动态调度模块，用于配置动态分发策略对输入数据流进行调度；
所述分发路由模块，用于建立与缓存节点及计算节点之间的路由连接，实现数据流在计算节点及缓存节点之间的调度与记录。
优选地，所述动态调度模块包括动态规则子模块、任务制定子模块、数据调度子模块及调度核实子模块；其中：
所述动态规则子模块，用于配置输入系统规则作为动态分发策略；
所述任务制定子模块，用于依据计算节点的负载状态，基于所述动态分发策略判断当前所述监控采集周期内各个计算节点是否满足动态调度的条件，若满足条件，则生成调度任务，若不满足条件，则继续监控；
所述数据调度子模块，用于执行所述调度任务，将空闲的输入数据流与超载计算节点的数据流调度至低载计算节点，并将未分配的输入数据流发送至缓存节点；
所述调度核实子模块，用于对调度分配后的计算节点与缓存节点进行核实，确认是否处于合理负载状态并处于健康运行状态。
优选地，用计算节点动态变化的节点数k表示节点变量，用S表示各计算节点的状态演进的变量，用Sk表示节点k的状态集合，sk(i)表示节点k的第 i个状态，且选取的状态变量必须满足无后效性；变量xk(sk)表示节点k状态为sk的决策，记xk决策变量取值被限制在允许决策集合Xk(sk)内，并将决策变量组成的序列定义为策略，则动态分发策略包括：
全过程策略P1,n(s1)，其表示为：P1,n(s1)= {x1, x2,...xn}；其中，从第一阶段开始至终点第n阶段的过程，称为原问题的全子过程，其对应的决策序列称为全过程策略；
k子过程策略Pk,n(sk)，其表示为：Pk,n(sk)= {xk, xk+1,...xn}；其中，从k阶段开始至终点第n阶段的过程，称为原问题的后子过程，其决策序列称为k子过程策略；
其中，下一节点状态sk+1是当前节点状态sk和决策xk的函数，通过转移方程状态向量T实现状态转换，形成如下状态转移方程：
Sk+I=T(Sk, xk(sk)) =T(sk,xk)。
优选地，所述缓冲存储单元包括缓存管理模块、分布式缓存模块、分布式存储模块及安全备份模块；其中：
所述缓存管理模块，用于提供缓冲存储及数据存储管理接口，依据数据流类型选择执行数据流缓存或数据流的存储方式；
所述分布式缓存模块，用于提供缓存节点，对离线数据流进行并行高速读写与缓存空间分配，实现离线数据流的批量整理与缓存；
所述分布式存储模块，用于提供存储节点，对输出数据流、数据指标及数据资产进行分布式存储；
所述安全备份模块，用于实现输入数据流及输出数据流的安全备份。
优选地，所述分布式缓存模块包括空间分配子模块、数据处理子模块及数据写入子模块；其中：
所述空间分配子模块，用于在服务器中申请连续内存生成空闲缓冲区与完成缓冲区两个类型的缓冲池，并将每个完成缓冲区作为独立的分布式缓存节点，实现离线数据流的分布式缓存；
所述数据处理子模块，用于获取与处理实时采集得到的离线数据流，遵循所述动态分发策略对离线数据流进行动态调度与分布式存储；
所述数据写入子模块，用于将处理后的离线数据流写入磁盘完成缓存。
优选地，还包括：
所述指标管理单元，用于搭建指标体系实现指标数据可视化及可管理化；
所述数据资产单元，用于提供可视化的数据资产定位及查询服务。
综上所述，本发明通过可视化的流计算作业编排环境，实现兆级复杂计算过程中的多任务依赖关系的快速定义；支持按计算阶段选择合适的开发语言，并采用容器技术对计算环境进行封装与隔离。同时采用具有计算阶段动态资源分配与监控机制，可以弹性调整任务并行度，避免资源浪费，并通过结果路由机制实现下游计算阶段的自动触发。
采用本发明能够对不同型号轴承大规模监测的轮毂轴承温度和轮毂运行状态数据进行快速并行处理，实时提取轴承状态特征，评估运行状态，实现不同轴承型号的统一化智能监测，具有很强的可扩展性和适用性。本实施例可有效解决现有轴承监测系统功能局限的问题，实现对海量复杂监测数据的实时并行处理，具有重要的技术进步意义。
此外，应用本发明能够通过对轮毂轴承温度和运行状态的数据监测，快速定位和预测轮毂轴承出现磨损、疲劳、损伤等情况，系统会及时发出预警信号，提醒驾驶员采取措施，避免因轮毂轴承故障导致车辆失控等安全事故，具有重要的工程应用价值。
附图说明
图1是本发明第一实施例提供的基于容器技术的汽车轮毂轴承监测系统流计算平台的结构示意图。
图2是对轮毂轴承温度监测的分析示意图。
图3是对轮毂轴承温度降温方式的评估方法图。
图4是图1的融合计算单元的模块示意图。
图5是图1的动态调度单元的模块示意图。
图6是图1的缓冲存储单元的模块示意图。
具体实施方式
下面结合具体实施例和附图对本发明方案作进一步的阐述。
请参阅图1，本发明第一实施例提供了一种基于容器技术的汽车轮毂轴承监测系统流计算平台，其包括：
数据集成单元1，用于获取由汽车轮毂轴承监测系统采集的数据流；其中，所述数据流包括在不同轮毂运行状态下的轮毂轴承温度。
在本实施例中，汽车轮毂轴承监测系统针对汽车轮毂轴承温度和汽车轮毂运行状态进行监测，状态监测过程中通过对停止状态、行驶状态、洒水状态、急刹状态、行驶速度、形式区域、环境温度、载重量等诸多状态进行识别或集成，通过这些状态与汽车轮毂轴承温度之间的关系，抽象出的算法辨识类别的特征，从而汽车轮毂轴承监测过程中可以更加精确的分辨和预警出故障点。
其中，汽车轮毂轴承监测系统可采用分布式传感网络来获取状态数据，传感器采样频率不低于10kHz，以确保获得轴承状态信息的完整性。
其中，如图2所示，对于轮毂轴承温度，可分为如下几种：
正常工作温度状态③：轮毂轴承的正常工作温度一般在70~83℃，这个温度是因为轮毂转动过程中摩擦导致的，温度会随着车辆的负载重量、速度、环境温度等发生变化，汽车轮毂轴承监测系统通过采集轮毂轴承上的温度传感器的测量数据进行监控；
报警温度点①：用来触发汽车轮毂轴承的告警的温度，这个温度同样会基于轮毂轴承的状态变化也发生调整变化，用以更精确的判断轮毂轴承的状态；
异常工作温度状态⑤：轮毂轴承工作温度超过正常温度阈值的状态，这个状态不可持续时间过长，需要及时处理，甚至在车辆负载较大时需要直接处理，避免因此导致车辆事故，轮毂轴承监测系统可基于异常温度状态直接告警车主进行处理；
工作升温状态：这里分为正常升温②和失效升温④，这里轮毂轴承监测系统的对轮毂轴承的预警多是基于工作升温状态进行，从监测到的轮毂轴承温度与轮毂轴承运行状态的数据流进行深度分析，对比分析出视效升温的上升曲线，可提前处理异常轮毂轴承，避免在工作中突然故障造成工时研发或安全事故。
在温度发生异常后，可通过洒水的方式有效降低轮毂轴承的温度的。如图3所示，其为洒水状态下汽车轮毂轴承的温度状态曲线、不洒水状态下汽车轮毂轴承的温度状态曲线，其温度曲线波形是轮毂轴承监测系统针对监测数据流进行分析处理后获得，在曲线上可以明确看出轮毂轴承温度在洒水和不洒水的区别，洒水的轮毂轴承温度曲线比未洒水的更连贯，温度控制的更好，从而判断轮毂轴承运行的稳定性在洒水状态下会更高，同时也会改善轮毂轴承运行中的稳定性。
融合计算单元2，用于对不同运动状态下的轮毂轴承温度数据进行分解，划分为不同计算阶段，并依据计算阶段设计管道模型，基于管道模型原理组建多类型的分布式节点；其中，采用容器技术对不同的计算阶段的计算环境进行封装与隔离。
在本实施例中，如图4所示，所述融合计算单元2包括实时计算模块201、离线计算模块202及管道流程模块203；其中：
所述实时计算模块201，用于按照数据处理流程将对实时数据流的处理分解为不同的实时计算阶段，并根据每个实时计算阶段分配的实时计算节点，对实时的轮毂轴承温度和轮毂运行状态形成的数据流进行阶段性计算，每个所述实时计算阶段内所述实时计算节点之间遵循动态分发策略。
在本实施例中，可按照数据处理流程对数据流的处理进行分解。如对于汽车轮毂轴承监测系统采集的数据流，则可分解为如下计算阶段：
（1）对数据流进行去噪处理，例如可以采用小波变换方法实现；
（2）提取各类信号的时间域统计特征及频域特征，通过协方差分析获得不同信号间的相关性指标；
（3）基于LSTM网络的深度学习模型实现多源异构数据的融合处理，训练模型以获得汽车轮毂轴承的综合状态评估函数；
（4）使用线性判别分析方法对不同工况模式进行分类，并建立隐马尔可夫模型实现对车辆工况的动态识别；
（5）将采集的数据输入预训练的评估模型，输出健康度评分，并针对不同工况预先设置故障预警阈值，根据模型输出结果动态判断轴承故障风险级别,实现对潜在故障的预警；
（6）通过在线自适应学习算法，使用故障样本数据对模型继续训练优化，提高状态评估的准确性。
需要说明的是，根据实际的需要，可以将整个数据流的处理分解为其他的计算阶段，具体视实际需要而定，本发明不做具体限定。
所述离线计算模块202，用于按照数据处理流程将对离线数据流的处理分解为不同的离线计算阶段，并根据每个所述离线计算阶段分配的离线计算节点，对离线数据流进行阶段性计算；其中，每个所述离线计算阶段内所述离线计算节点之间遵循动态分发策略。
所述管道流程模块203，用于定义与配置实时计算节点或离线计算节点的数据处理流程，将不同计算阶段分配至不同计算节点进行并行处理；其中，采用容器技术对不同的计算阶段的计算环境进行封装与隔离。
在本实施例中，不同计算阶段的处理可根据需要选择合适的开发语言来开发，并采用容器技术对计算环境进行封装与隔离，如此可以针对不同的计算阶段选择合适的开发语言以及计算环境。这里的容器技术是一种轻量化虚拟技术，它允许将应用程序及其所有依赖项打包到一个独立的运行环境中。容器可以在不同的操作系统和硬件平台上运行，提供了一种轻量级、可移植和可扩展的方式来部署应用程序。
具体地，所述管道流程模块203包括管道定义子模块、节点划分子模块、节点通信子模块及并行协调子模块；其中：
所述管道定义子模块，用于根据数据流处理的需求，设计并定义管道模型，将数据流处理划分为不同的计算阶段；
所述节点划分子模块，用于依据划分的计算阶段将计算节点划分至不同的计算阶段，每个计算阶段内的计算节点执行管道中一个阶段；
所述节点通信子模块，用于实现同一个计算阶段内不同计算节点之间的数据传递与通信，满足所述动态分发策略下的数据调度；
所述并行协调子模块，用于保证计算节点之间的协调和同步，以保证数据流在不同计算节点之间的正确传递和处理顺序。
具体地，所述并行协调子模块包括任务调度协调器、数据流控制器及分布式锁；其中：
所述任务调度协调器，用于根据计算阶段的依赖关系和执行优先级，确定计算阶段的执行顺序，并将任务分配给相应的计算节点；
所述数据流控制器，用于实现计算节点之间的依赖管理和数据流控制，且设定每个计算节点自身的负载调配区间；
所述分布式锁，用于确保每个计算节点能够执行各自的关键任务以及确保数据流在不同计算节点之间的传递与处理顺序。
动态调度单元3，用于根据配置的动态分发策略，实时监控分布式节点的负载状态，实现并行处理阶段数据流之间的动态调度。
如图5所示，所述动态调度单元3包括节点监控模块301、安全校验模块302、动态调度模块303及分发路由模块304；其中：
所述节点监控模块301，用于对计算节点进行实时监控，设定监控采集周期，按周期获取实时计算节点或离线计算节点的负载状态；
所述安全校验模块302，用于对输入数据流及来源进行安全识别与校验，并根据输入数据流的来源与类型划分为实时数据流与离线数据流；
所述动态调度模块303，用于配置动态分发策略对输入数据流进行调度。
具体地，所述动态调度模块303包括动态规则子模块、任务制定子模块、数据调度子模块及调度核实子模块；其中：
所述动态规则子模块，用于配置输入系统规则作为动态分发策略；
所述任务制定子模块，用于依据计算节点的负载状态，基于所述动态分发策略判断当前所述监控采集周期内各个计算节点是否满足动态调度的条件，若满足条件，则生成调度任务，若不满足条件，则继续监控；
所述数据调度子模块，用于执行所述调度任务，将空闲的输入数据流与超载计算节点的数据流调度至低载计算节点，并将未分配的输入数据流发送至缓存节点；
所述调度核实子模块，用于对调度分配后的计算节点与缓存节点进行核实，确认是否处于合理负载状态并处于健康运行状态。
特别地，用计算节点动态变化的节点数k表示节点变量，用S表示各计算节点的状态演进的变量，用Sk表示节点k的状态集合，sk(i)表示节点k的第 i个状态，且选取的状态变量必须满足无后效性（无后效性是指如果在某个阶段上过程的状态已知，则从此阶段以后过程的发展变化仅与此阶段的状态有关，而与过程在此阶段以前的阶段所经历过的状态无关）；变量xk(sk)表示节点k状态为sk的决策，记xk决策变量取值被限制在允许决策集合Xk(sk)内，并将决策变量组成的序列定义为策略，则动态分发策略包括：
全过程策略P1,n(s1)，其表示为：P1,n(s1)= {x1, x2,...xn}；其中，从第一阶段开始至终点第n阶段的过程，称为原问题的全子过程，其对应的决策序列称为全过程策略；
k子过程策略Pk,n(sk)，其表示为：Pk,n(sk)= {xk, xk+1,...xn}；其中，从k阶段开始至终点第n阶段的过程，称为原问题的后子过程，其决策序列称为k子过程策略；
其中，下一节点状态sk+1是当前节点状态sk和决策xk的函数，通过转移方程状态向量T实现状态转换，形成如下状态转移方程：
Sk+I=T(Sk, xk(sk)) =T(sk,xk)。
在本实施例中，通过上述的动态分发策略，使得可以根据计算阶段来实现计算阶段资源的动态分配与监控，弹性调整任务并行度，避免资源浪费。
所述分发路由模块304，用于建立与缓存节点及计算节点之间的路由连接，实现数据流在计算节点及缓存节点之间的调度与记录。
缓冲存储单元4，用于匹配数据库实现输入的数据流的分布式缓存，且提供输入数据流及输出数据流的安全备份及数据恢复功能。
具体地，所述缓冲存储单元4包括缓存管理模块401、分布式缓存模块402、分布式存储模块403及安全备份模块404；其中：
所述缓存管理模块401，用于提供缓冲存储及数据存储管理接口，依据数据流类型选择执行数据流缓存或数据流的存储方式；
所述分布式缓存模块402，用于提供缓存节点，对离线数据流进行并行高速读写与缓存空间分配，实现离线数据流的批量整理与缓存。
具体地，所述分布式缓存模块402包括空间分配子模块、数据处理子模块及数据写入子模块；其中：
所述空间分配子模块，用于在服务器中申请连续内存生成空闲缓冲区与完成缓冲区两个类型的缓冲池，并将每个完成缓冲区作为独立的分布式缓存节点，实现离线数据流的分布式缓存；
所述数据处理子模块，用于获取与处理实时采集得到的离线数据流，遵循所述动态分发策略对离线数据流进行动态调度与分布式存储；
所述数据写入子模块，用于将处理后的离线数据流写入磁盘完成缓存。
所述分布式存储模块403，用于提供存储节点，对输出数据流、数据指标及数据资产进行分布式存储；
所述安全备份模块404，用于实现输入数据流及输出数据流的安全备份。
业务前台单元5，用于实现输入数据流全生命周期管理与安全访问。
优选地，还包括：
所述指标管理单元6，用于搭建指标体系实现指标数据可视化及可管理化；
所述数据资产单元7，用于提供可视化的数据资产定位及查询服务。
综上所述，本实施例通过可视化的流计算作业编排环境，实现复杂计算过程中的多任务依赖关系的快速定义；支持按计算阶段选择合适的开发语言，并采用容器技术对计算环境进行封装与隔离；具有计算阶段动态资源分配与监控机制，可以弹性调整任务并行度，避免资源浪费，并通过结果路由机制实现下游计算阶段的自动触发。
采用本实施例能够对不同型号轴承大规模监测数据进行快速并行处理,实时提取轴承状态特征，评估运行状态，实现不同轴承型号的统一化智能监测，具有很强的可扩展性和适用性。本实施例可有效解决现有轴承监测系统功能局限的问题，实现对海量复杂监测数据的实时并行处理，具有重要的技术进步意义。
在本发明实施例所提供的几个实施例中，应该理解到，各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，电子设备或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于容器技术的汽车轮毂轴承监测系统流计算平台，其特征在于，包括：
数据集成单元，用于获取由汽车轮毂轴承监测系统采集的数据流；其中，所述数据流包括在不同轮毂运行状态下的轮毂轴承温度；
融合计算单元，用于对不同运动状态下的轮毂轴承温度数据进行分解，划分为不同计算阶段，并依据计算阶段设计管道模型，基于管道模型原理组建多类型的分布式节点；其中，采用容器技术对不同的计算阶段的计算环境进行封装与隔离；
动态调度单元，用于根据预先配置的动态分发策略，实时监控各个分布式节点的负载状态，并行处理各个计算阶段的数据流之间的动态调度，均衡数据处理负载；
缓冲存储单元，用于匹配数据库实现对轮毂轴承温度和轮毂运行状态形成的数据流的分布式缓存，且提供输入、输出数据流的安全备份及数据恢复功能；
业务前台单元，用于实现对轮毂轴承温度和轮毂运行状态形成的数据流全生命周期管理与安全访问。
2.根据权利要求1所述的基于容器技术的汽车轮毂轴承监测系统流计算平台，其特征在于，所述分布式节点包括计算节点，所述计算节点包括实时计算节点以及离线计算节点；
则所述融合计算单元包括实时计算模块、离线计算模块及管道流程模块；其中：
所述实时计算模块，用于按照数据处理流程将对实时数据流的处理分解为不同的实时计算阶段，并根据每个实时计算阶段分配的实时计算节点，对实时的轮毂轴承温度和轮毂运行状态形成的数据流进行阶段性计算，每个所述实时计算阶段内所述实时计算节点之间遵循动态分发策略；
所述离线计算模块，用于按照数据处理流程将对离线数据流的处理分解为不同的离线计算阶段，并根据每个所述离线计算阶段分配的离线计算节点，对离线数据流进行阶段性计算；其中，每个所述离线计算阶段内所述离线计算节点之间遵循动态分发策略；
所述管道流程模块，用于定义与配置实时计算节点或离线计算节点的数据处理流程，将不同计算阶段分配至不同计算节点进行并行处理；其中，采用容器技术对不同的计算阶段的计算环境进行封装与隔离。
3.根据权利要求2所述的基于容器技术的汽车轮毂轴承监测系统流计算平台其特征在于，所述管道流程模块包括管道定义子模块、节点划分子模块、节点通信子模块及并行协调子模块；其中：
所述管道定义子模块，用于根据汽车轮毂轴承监测系统采集的轮毂轴承温度和轮毂运行状态形成的数据流的处理需求，设计并定义管道模型，将数据流处理划分为不同的计算阶段；
所述节点划分子模块，用于依据划分的计算阶段将计算节点划分至不同的计算阶段，每个计算阶段内的计算节点执行管道中一个阶段；
所述节点通信子模块，用于实现同一个计算阶段内不同计算节点之间的数据传递与通信，满足所述动态分发策略下的数据调度；
所述并行协调子模块，用于保证计算节点之间的协调和同步，以保证数据流在不同计算节点之间的正确传递和处理顺序。
4.根据权利要求3所述的基于容器技术的汽车轮毂轴承监测系统流计算平台，其特征在于，所述并行协调子模块包括任务调度协调器、数据流控制器及分布式锁；其中：
所述任务调度协调器，用于根据计算阶段的依赖关系和执行优先级，确定计算阶段的执行顺序，并将各个计算阶段分配给相应的计算节点；
所述数据流控制器，用于实现计算节点之间的依赖管理和数据流控制，且设定每个计算节点自身的负载调配区间；
所述分布式锁，用于确保每个计算节点执行各自的关键任务以及确保数据流在不同计算节点之间的传递与处理顺序。
5.根据权利要求1所述的基于容器技术的汽车轮毂轴承监测系统流计算平台，其特征在于，所述分布式节点还包括缓存节点，
所述动态调度单元包括节点监控模块、安全校验模块、动态调度模块及分发路由模块；其中：
所述节点监控模块，用于对计算节点进行实时监控，设定监控采集周期，按周期获取实时计算节点或离线计算节点的负载状态；
所述安全校验模块，用于对轮毂轴承温度和轮毂运行状态形成的数据流及来源进行安全识别与校验，并根据输入数据流的来源与类型划分为实时数据流与离线数据流；
所述动态调度模块，用于配置动态分发策略对输入数据流进行调度；
所述分发路由模块，用于建立与缓存节点及计算节点之间的路由连接，实现数据流在计算节点及缓存节点之间的调度与记录。
6.根据权利要求5所述的基于容器技术的汽车轮毂轴承监测系统流计算平台，其特征在于，所述动态调度模块包括动态规则子模块、任务制定子模块、数据调度子模块及调度核实子模块；其中：
所述动态规则子模块，用于配置输入系统规则作为动态分发策略；
所述任务制定子模块，用于依据计算节点的负载状态，基于所述动态分发策略判断当前所述监控采集周期内各个计算节点是否满足动态调度的条件，若满足条件，则生成调度任务，若不满足条件，则继续监控；
所述数据调度子模块，用于执行所述调度任务，将空闲的输入数据流与超载计算节点的数据流调度至低载计算节点，并将未分配的输入数据流发送至缓存节点；
所述调度核实子模块，用于对调度分配后的计算节点与缓存节点进行核实，确认是否处于合理负载状态并处于健康运行状态。
7.根据权利要求1所述的基于容器技术的汽车轮毂轴承监测系统流计算平台，其特征在于，用计算节点动态变化的节点数k表示节点变量，用S表示各计算节点的状态演进的变量，用Sk表示节点k的状态集合，sk(i)表示节点k的第 i个状态，且选取的状态变量必须满足无后效性；变量xk(sk)表示节点k状态为sk的决策，记xk决策变量取值被限制在允许决策集合Xk(sk)内，并将决策变量组成的序列定义为策略，则动态分发策略包括：
全过程策略P1,n(s1)，其表示为：P1,n(s1)= {x1, x2,...xn}；其中，从第一阶段开始至终点第n阶段的过程，称为原问题的全子过程，其对应的决策序列称为全过程策略；
k子过程策略Pk,n(sk)，其表示为：Pk,n(sk)= {xk, xk+1,...xn}；其中，从k阶段开始至终点第n阶段的过程，称为原问题的后子过程，其决策序列称为k子过程策略；
其中，下一节点状态sk+1是当前节点状态sk和决策xk的函数，通过转移方程状态向量T实现状态转换，形成如下状态转移方程：
Sk+I=T(Sk, xk(sk)) =T(sk,xk)。
8.根据权利要求1所述的基于容器技术的汽车轮毂轴承监测系统流计算平台，其特征在于，所述缓冲存储单元包括缓存管理模块、分布式缓存模块、分布式存储模块及安全备份模块；其中：
所述缓存管理模块，用于提供缓冲存储及数据存储管理接口，依据数据流类型选择执行数据流缓存或数据流的存储方式；
所述分布式缓存模块，用于提供缓存节点，对离线数据流进行并行高速读写与缓存空间分配，实现离线数据流的批量整理与缓存；
所述分布式存储模块，用于提供存储节点，对输出数据流、数据指标及数据资产进行分布式存储；
所述安全备份模块，用于实现输入数据流及输出数据流的安全备份。
9.根据权利要求8所述的基于容器技术的汽车轮毂轴承监测系统流计算平台，其特征在于，所述分布式缓存模块包括空间分配子模块、数据处理子模块及数据写入子模块；其中：
所述空间分配子模块，用于在服务器中申请连续内存生成空闲缓冲区与完成缓冲区两个类型的缓冲池，并将每个完成缓冲区作为独立的分布式缓存节点，实现离线数据流的分布式缓存；
所述数据处理子模块，用于获取与处理实时采集得到的离线数据流，遵循所述动态分发策略对离线数据流进行动态调度与分布式存储；
所述数据写入子模块，用于将处理后的离线数据流写入磁盘完成缓存。
10.根据权利要求1所述的基于容器技术的汽车轮毂轴承监测系统流计算平台，其特征在于，还包括：
指标管理单元，用于搭建指标体系实现指标数据可视化及可管理化；
数据资产单元，用于提供可视化的数据资产定位及查询服务。
CN202310973197.6A 2023-08-04 2023-08-04 一种基于容器技术的汽车轮毂轴承监测系统流计算平台 Active CN116721485B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310973197.6A CN116721485B (zh) 2023-08-04 2023-08-04 一种基于容器技术的汽车轮毂轴承监测系统流计算平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310973197.6A CN116721485B (zh) 2023-08-04 2023-08-04 一种基于容器技术的汽车轮毂轴承监测系统流计算平台

Publications (2)

Publication Number Publication Date
CN116721485A true CN116721485A (zh) 2023-09-08
CN116721485B CN116721485B (zh) 2023-10-24

Family

ID=87864706

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310973197.6A Active CN116721485B (zh) 2023-08-04 2023-08-04 一种基于容器技术的汽车轮毂轴承监测系统流计算平台

Country Status (1)

Country Link
CN (1) CN116721485B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117734347A (zh) * 2024-02-20 2024-03-22 浙江大铭汽车零部件有限公司 轮毂单元、监测方法及其应用

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105389683A (zh) * 2015-11-25 2016-03-09 北京华油信通科技有限公司 云计算支撑系统
US20190243836A1 (en) * 2018-02-08 2019-08-08 Parallel Wireless, Inc. Data Pipeline for Scalable Analytics and Management
CN111459617A (zh) * 2020-04-03 2020-07-28 南方电网科学研究院有限责任公司 基于云平台的容器化应用自动分配优化系统及其方法
CN111459646A (zh) * 2020-05-09 2020-07-28 南京大学 基于管道模型与任务合并的大数据质量管理任务调度方法
CN111812505A (zh) * 2020-04-26 2020-10-23 武汉理工大学 分布式轮毂电机驱动车电机温升故障诊断方法及设备
CN113895425A (zh) * 2021-10-25 2022-01-07 吉林大学 一种面向轮毂液压混合动力车辆动力域的稳态控制方法
CN116107564A (zh) * 2023-04-12 2023-05-12 中国人民解放军国防科技大学 面向数据的云原生软件架构及软件平台

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105389683A (zh) * 2015-11-25 2016-03-09 北京华油信通科技有限公司 云计算支撑系统
US20190243836A1 (en) * 2018-02-08 2019-08-08 Parallel Wireless, Inc. Data Pipeline for Scalable Analytics and Management
CN111459617A (zh) * 2020-04-03 2020-07-28 南方电网科学研究院有限责任公司 基于云平台的容器化应用自动分配优化系统及其方法
CN111812505A (zh) * 2020-04-26 2020-10-23 武汉理工大学 分布式轮毂电机驱动车电机温升故障诊断方法及设备
CN111459646A (zh) * 2020-05-09 2020-07-28 南京大学 基于管道模型与任务合并的大数据质量管理任务调度方法
CN113895425A (zh) * 2021-10-25 2022-01-07 吉林大学 一种面向轮毂液压混合动力车辆动力域的稳态控制方法
CN116107564A (zh) * 2023-04-12 2023-05-12 中国人民解放军国防科技大学 面向数据的云原生软件架构及软件平台

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
BING XU: "An energy-saving hydraulic servo system with safety consideration for pipe fatigue tests", PROCEEDINGS OF THE INSTITUTION OF MECHANICAL ENGINEERS, PART I: JOURNAL OF SYSTEMS AND CONTROL ENGINEERING, vol. 228, no. 7, pages 486 - 499 *
宋月超: "改进的柱塞泵流量脉动"实用近似"测试法", 浙江大学学报(工学版), vol. 48, no. 2, pages 200 - 205 *
梁毅;侯颖;陈诚;金翊;: "面向大数据流式计算的任务管理技术综述", 计算机工程与科学, no. 02 *
陈付梅;韩德志;毕坤;戴永涛;: "大数据环境下的分布式数据流处理关键技术探析", 计算机应用, no. 03, pages 620 - 627 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117734347A (zh) * 2024-02-20 2024-03-22 浙江大铭汽车零部件有限公司 轮毂单元、监测方法及其应用
CN117734347B (zh) * 2024-02-20 2024-05-03 浙江大铭汽车零部件有限公司 轮毂单元、监测方法及其应用

Also Published As

Publication number Publication date
CN116721485B (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
Gouriveau et al. From prognostics and health systems management to predictive maintenance 1: Monitoring and prognostics
Tobon-Mejia et al. CNC machine tool's wear diagnostic and prognostic by using dynamic Bayesian networks
CN117494292A (zh) 一种基于bim和ai大模型的工程进度管理方法及系统
Girish et al. Anomaly detection in cloud environment using artificial intelligence techniques
CN116721485B (zh) 一种基于容器技术的汽车轮毂轴承监测系统流计算平台
Khoshgoftaar et al. Data mining for predictors of software quality
CN101233491A (zh) 检测集群环境中动态工作负载调度的不平衡的系统和方法
Kim et al. RDR-based knowledge based system to the failure detection in industrial cyber physical systems
KR20150069424A (ko) 하둡 기반의 대용량 불균형 데이터 분류분석 시스템 및 방법
Daneshkhah et al. Sustainable maintenance strategy under uncertainty in the lifetime distribution of deteriorating assets
Bourezza et al. Towards a platform to implement an intelligent and predictive maintenance in the context of industry 4.0
Vališ et al. Engine residual technical life estimation based on tribo data
Kozłowski et al. The use of principal component analysis and logistic regression for cutter state identification
Levitin et al. Optimal non-periodic replacement and reactivation in standby systems with protection and maintenance options
Dederichs et al. Comparison of automated operational modal analysis algorithms for long-span bridge applications
Vereskun et al. Safety process management based on software risks assessment for intelligent railway control system
Hu et al. Estimate remaining useful life for predictive railways maintenance based on LSTM autoencoder
Abbas et al. Interpretable input-output hidden markov model-based deep reinforcement learning for the predictive maintenance of turbofan engines
Korobkin et al. Diagnosis in SEMS Based on Cognitive Models
KR102568392B1 (ko) 동적 상황판 시스템
Ragazzini et al. Digital Twin-based bottleneck prediction for improved production control
Steimers et al. Sources of risk and design principles of trustworthy artificial intelligence
Asadova et al. A Survey of Usage of Anytime Algorithm in Fault detection in Cloud Systems
Dibsdale Holistic prognostics
Cakir et al. Real time big data analytics for tool wear protection with deep learning in manufacturing industry

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant