大数据技术下机械设备故障智能诊断研究
屈鹏生 （ 中国中材海外科技发展有限公司 ）
https://doi.org/10.37155/2717-5197-0818-44Abstract
针对传统机械设备故障诊断准确率低、微弱故障识别能力差、工况适应性弱等问题，本文融合大数据与 深度学习技术，构建多分支注意力残差收缩智能诊断模型。依托多源传感数据治理体系完成数据预处理，引入可解释 性分析与抗干扰优化策略。经风电、钢铁设备实测数据验证，模型综合诊断准确率达97.3%，相较传统方法性能大幅 提升，可有效适配复杂工业工况，为机械设备智能运维提供技术支撑。
Keywords
大数据技术；机械设备故障；智能诊断Full Text
PDFReferences
[1]张磊,王景涛.基于工业大数据的机械设备智能故障
诊断方法研究[J].机械科学与技术,2023,42(07):1089-1094.
[2]李刚,刘鑫.多源传感大数据融合的机械设备故障智
能预警研究[J].机械工程学报,2024,60(09):156-164.
[3]陈博文,赵阳.大数据驱动下旋转机械设备故障诊断
技术优化[J].振动与冲击,2022,41(18):198-205.
[4]周宇航.工业大数据技术在机械设备智能故障诊断
中的应用探析[J].工程机械,2025,56(04):78-83.
[5]吴迪.大数据与深度学习融合的机械设备故障智能
诊断系统设计[J].机械设计与制造,2024,34(11):290-293.
诊断方法研究[J].机械科学与技术,2023,42(07):1089-1094.
[2]李刚,刘鑫.多源传感大数据融合的机械设备故障智
能预警研究[J].机械工程学报,2024,60(09):156-164.
[3]陈博文,赵阳.大数据驱动下旋转机械设备故障诊断
技术优化[J].振动与冲击,2022,41(18):198-205.
[4]周宇航.工业大数据技术在机械设备智能故障诊断
中的应用探析[J].工程机械,2025,56(04):78-83.
[5]吴迪.大数据与深度学习融合的机械设备故障智能
诊断系统设计[J].机械设计与制造,2024,34(11):290-293.
Copyright © 2026 屈鹏生
Publishing time:2026-09-30
This work is licensed under a Creative Commons Attribution 4.0 International License