摘要：设计一种基于云计算的智能高端装备远程运维管控系统,该系统包括装备端和云平台两部分,采用分布式存储、数据分析和安全技术,实现了设备管理、数据采集、存储、分析和远程操作等功能,并验证该系统的实际应用效果,为提高智能装备的运行效率和管理水平提供参考。

摘要：在诊断燃气轮机启动故障时,常存在平均故障诊断错误率较高的问题。为此,提出基于深度信念网络(DBN)的燃气轮机启动过程故障诊断方法。在选取与典型启动故障相关的样本数据后,从机理的角度入手获取故障特征。根据DBN结构构建启动过程故障诊断模型,结合列文伯格-马夸尔特(L-M)算法设计自适应学习率改进算法,实现故障诊断精度的提升。按照参数表征性和冗余性选取试验样本,确定排气温度、电机电流、燃机转速和电机转速这4种参数类型作为故障诊断方法测试的数据基础,经由模型得出诊断结果。试验结果表明:所设计方法的平均故障诊断错误率为3.3%,与交叉全局人工蜂群和支持向量机(CGABC-SVM)方法、深度学习与信息融合诊断方法相比,所设计方法的平均故障诊断错误率分别降低了28.7%、37.0%,有效提升了燃气轮机启动过程故障诊断结果的准确性。该研究为燃气轮机的安全启动提供了保障。

摘要：工业互联网安全态势分析过程中,并未对安全态势进行模糊推理,导致感知结果的平均逼近误差较高。因此,提出基于模糊推理的工业互联网安全态势自动感知方法。依据层次化结构,设计工业互联网检测模式,明确安全态势评估要素。按照滑动时间窗口方式,结合历史数据,建立模糊知识库。基于模糊推理原理,设计安全态势感知模型。结合网络安全态势评估要素,根据风险态势指数,实现工业互联网安全态势自动感知。为了验证该方法的实际应用效果,选取共包含12种常见攻击类型的340条攻击数据作为测试数据进行仿真试验,并与其他方法进行对比。试验结果表明,所提出的工业互联网自动感知方法应用后,与2种传统方法相比,网络安全态势感知结果的平均逼近误差分别降低了67%、83%。该方法极大地提升了工业互联网安全态势自动感知结果的准确性。

摘要：在数字化和智能化的浪潮下,智能制造促进制造业正迈向转型升级的新阶段——数据驱动阶段,繁荣的工业软件和工业APP生态体系蓬勃发展。工业APP是特定工业技术知识的载体,可以认为是工业的特定领域特定问题的专家,集成了该问题的知识、经验和解决方法。工业APP可以依托于平台生态,通过重构/重用和集群化应用来解决复杂的工业问题。工业APP赋能智能制造全领域,从产品/设备,到车间、企业以至产业的多层级工业应用,完成产品的研发设计、生产制造、运维服务与经营管理。制造业数字化、网络化、智能化转型呈现出软件定义、数据驱动、平台支撑、服务增值、智能主导的趋势。原本隐藏在工业特定领域、特定需求、特定环节的工业技术、知识与经验,以工业APP的形式为工业服务。根据国家工业信息安全发展研究中心发布的《2022工业互联网平台发展指数报告》,截至2022年末,我国工业互联网平台监测系统连接的全国32家重点工业互联网平台,工业模型数量合计为85.16万个,工业APP数量达到29.33万个。