采用TwitterStorm技术的船舶机械故障监测大数据分析

发布时间：2021-10-07 09:45

　　传统船舶机械故障监测大数据分析采用的计算平台对大数据分析存在限制条件,无法自定义匹配大数据分析算法。结合TwitterStorm技术特点,提出TwitterStorm技术下船舶机械故障监测大数据分析。首先创建TwitterStorm船舶故障分析场景;接着对场景数据分析条件进行定义;最后引入船舶机械故障监测数据,完成大数据分析计算过程。为了验证分析结果的准确性,采用仿真对比实验的方式来对其进行验证,证明提出的TwitterStorm技术下船舶机械故障监测大数据分析,具有故障监测分析准确性高、计算稳定的特点。 

【文章来源】：舰船科学技术. 2020,42(08)北大核心

【文章页数】：3 页

【部分图文】：

TwitterStorm船舶故障分析场景原理Fig.1TwitterStormshipfaultanalysisscenarioprinciple

【参考文献】：
期刊论文
[1]大数据支持下船舶智能运维的实现[J]. 战翌婷,曾骥.  上海海事大学学报. 2019(02)
[2]基于改进包络分析的船舶轴系故障检测[J]. 陈宇航,韩冰.  中国航海. 2019(02)
[3]大数据下机械装备故障的深度迁移诊断方法[J]. 雷亚国,杨彬,杜兆钧,吕娜.  机械工程学报. 2019(07)
[4]基于大数据的液压支架电液控制系统故障诊断[J]. 张雪梅.  工矿自动化. 2018(12)



本文编号：3421812