大数据驱动的钢铁工业智能故障诊断技术综述

• 作者: 傅筱 曹阔 韩俊毅
• 来源期刊: 计算机测量与控制
• 关键词: 工业大数据 故障诊断 机器学习 迁移学习 钢铁智能制造
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 综述与评论
• 页码范围: 1-6,26
• 页数: 7页
• 分类号: TP277
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.11.001

摘要

钢铁工业智能故障诊断系统在当前大数据时代背景下面临着新的机遇与挑战;针对工业大数据的特征,分别从数据的采集与实时监控技术,基于机器学习的故障诊断方法,以及迁移学习在工业故障诊断中的应用三个角度对近年来国内外工业故障诊断方法的研究进展进行了总结与回顾;并在此基础上,结合钢铁企业的实际需求与现存问题,提出了将高炉炼铁过程划分为“系统模块功能属性”四层次结构的面向整体的分层故障诊断新思想及未来可能的研究方向,阐明研究多技术融合的智能故障诊断系统对推进钢铁工业在大数据时代的绿色数字化发展具有十分重要的意义.