云边协同低延迟故障预测算法研究_中国煤炭行业知识服务平台

云边协同低延迟故障预测算法研究

作者

张文康赵伟刘德成曹阳王涛王志晓
单位

河南龙宇能源股份有限公司中国矿业大学计算机学院
摘要

云计算拥有灵活性、高效率和低成本的优点，而边缘计算拥有解决传输响应延迟、带宽资源浪费、传输成本增加以及数据隐私风险等问题的能力。针对云计算与边缘计算各自的特点，研究云边协同故障预测算法。首先，利用小波变换对原始信号进行时频分析，将一维信号转换为时频图像数据。然后，在边缘端利用MobileNetV3模型对时频图像进行故障预测。如果预测结果的最大概率值达到事先设定阈值，则认为边缘端预测可靠；否则，时频图像将会被上传到云端，由云端GoogLeNet模型重新进行预测。实验结果表明，提出的云边协同故障预测算法能准确高效地预测设备故障，并在一定程度上降低了预测的延迟。
关键词

故障预测卷积神经网络小波变换云边协同
基金项目(Foundation)

国家自然基金面上项目(61876168)；
文章目录

1 云端GoogLeNet模型
2 边缘端MobileNetV3模型
3 云边协同模型
4 实验与结果分析
4.1 实验数据集
4.2 信号的时频处理
4.3 阈值确定
4.4 故障预测性能分析
(1)准确率。
(2)延迟。
(3)与其他模型性能对比。
5 结论
DOI

10.19389/j.cnki.1003-0506.2024.10.036
引用格式

[1]张文康,赵伟,刘德成,等.云边协同低延迟故障预测算法研究[J].能源与环保,2024,46(10):238-243.