基于大数据的机械故障诊断与维护技术研究
杨振民 （ 兰州新区市政工程建设有限公司 ）
https://doi.org/10.37155/2717-5197-0713-41Abstract
本文围绕工业大数据在机械故障诊断与维护领域的应用，构建了“数据采集-处理-分析-决策”四层技术 框架，提出多模态融合诊断模型与动态维护策略。通过钢铁冶金、航空航天等行业的实证案例，验证了大数据驱动技 术在提升设备可靠性、降低运维成本中的核心价值，并探讨了标准化数据体系与自动化模型优化的未来发展方向。
Keywords
工业大数据；故障诊断；预测性维护；多模态融合；数字孪生Full Text
PDFReferences
[1]李梦龙.基于大数据处理的机械故障诊断方法[D].
武汉工程大学,2022.
[2]丁科.大数据背景下机械故障的智能诊断发展研究
[J].科技风,2020,(15):175.
[3]唐哲明.基于大数据分析的机械设备故障预测与风
险管理[J].中国机械,2024,(21):134-137.
[4]张国萍.基于大数据的机械设备预测性维护系统研
究[J].中国机械,2023,(36):61-64+69.
武汉工程大学,2022.
[2]丁科.大数据背景下机械故障的智能诊断发展研究
[J].科技风,2020,(15):175.
[3]唐哲明.基于大数据分析的机械设备故障预测与风
险管理[J].中国机械,2024,(21):134-137.
[4]张国萍.基于大数据的机械设备预测性维护系统研
究[J].中国机械,2023,(36):61-64+69.
Copyright © 2025 杨振民
Publishing time:2025-07-01
This work is licensed under a Creative Commons Attribution 4.0 International License
Email
Location