前言
新一代智能制造已成为大国科技博弈的关键要素。“中国制造”和“智能制造”长久以来在国家发展战略中占据重要地位，是社会经济发展和人民安居乐业的重要保障。继德国“工业4.0战略”推出后，2015年5月，国务院印发《中国制造2025》，提出要求按照“四个全面”战略布局要求，实施制造强国战略。《中国制造2025》是推进实施制造强国的战略文件与行动纲领，该纲领文件明确支持战略性重大项目和高端装备实施技术改造的政策方向。落实信息化与工业化的两化融合是实现高端装备技术改造的重要前提。在两化融合中，大型旋转机械装备智能运维是践行并验证高端装备技术改造的典型对象与应用场景。通过智能装备运维，有助于提高高端装备在运行过程中的安全性与可靠性，帮助企业实现降本增效、为国民生产创造财富收益。因此，开展旋转设备状态监测和故障智能诊断研究在工业生产中具有重要意义。本书先从制造大数据技术采集旋转设备的实时数据，利用云存储技术进行存储，利用数据融合技术提取敏感特征，借助于机械学习模型进行故障诊断，最后还通过一个应用实践案例使全书介绍的主要理论知识得到充分应用，帮助读者深入理解异构制造大数据智能融合的基础理论及其应用技术。
《中国制造2025》指出，要加强建设制造强国，大力发展高端装备制造业，需要提高信息化水平并与工业化相结合，研究设备的故障监测、预警与健康管理技术。随着信息产业与工业的结合，旋转装备更加智能化、多功能化，准确智能的实时监测与诊断迎来新的挑战。机器学习是学习样本数据的内在规律和表示层次，在这个过程中获得的信息能够识别图像、声音等数据，反过来可以更精确地解释监测对象的现象表征。旋转机械是主要的制造设备之一，利用先进的传感技术多方位采集旋转设备的故障数据，利用多源数据融合技术将采集到的多源异构数据决策融合获得具有故障表征的敏感特征，将其送入机器学习的模型中，利用其超强的自学习能力，获得故障表征与故障数据之间的映射关系，从而预测机械设备可能出现的故障，进而实现事前干预，提高设备的使用寿命。目前，现有的设备故障诊断的图书处于单学科、单领域考虑解决问题的居多，较少考虑跨学科跨领域的交叉解决方案，不利于提高学生项目创新和实践能力。因此，在相关专家的建议和指导下，组织出版本书，以满足交叉领域学科专业研究生的教学需要。
本书各章内容简介如下。
第1章主要介绍制造大数据的概念，发展现状，关键技术（包括数据采集、预处理、分析和处理流程），应用，面临的挑战、发展前景和异构制造大数据。
第2章主要介绍制造大数据的云存储技术，包括云存储的发展，云存储的系统架构及其关键技术，数据在云存储过程中涉及的数据加密技术，数字签名在云存储中的应用。
第3章主要介绍多源异构数据的证据融合方法。首先综述了多源数据融合的方法，然后介绍了常见的融合算法。针对数据融合算法中应用最广泛的证据理论无法有效处理证据冲突的问题，提出一种改进的证据融合算法。该算法首先利用邻位借值的方式避免“一票否决”现象；其次利用距离函数修正证据权重和德尔菲法修正传感器权重，结合二者共同修正基本概率赋值；然后根据冲突因子和阈值的大小关系来选择相应的融合规则完成数据融合。将改进后的算法和现有的其他改进方法对比分析来体现改进方法的有效性和鲁棒性。最后，将改进的证据理论融合算法应用到样本预测、目标识别和故障诊断中，获得了比原始算法理想的诊断率。
第4章主要介绍旋转设备在制造大数据背景下的智能故障诊断方法。首先分析旋转设备智能故障诊断的技术，接着根据制造大数据的特点，构建旋转设备故障状态监测与智能诊断模型，然后从单源信号多传感器数据融合与多源信号多传感器数据融合两个角度进行智能诊断。针对单源信号非集成模型受单一结构、单一方法的约束，且传感器本身的性能局限，难以全面反映设备状态的问题，提出一种基于改进证据理论的融合学习向量化神经网络和决策树的集成诊断模型。利用凯斯西储大学轴承故障平台的实验数据，借助FFT、PCA进行特征提取与降维，送入LVQ和DT模型中训练学习，结合IDS进行决策级融合分析，实现对轴承故障的诊断识别。针对单源传感器受信号源单一和自身性能的局限，难以在不同工况条件下全面反映机械设备运行状态的问题，提出一种基于卷积神经网络的多源传感器融合振声信号的诊断方法。利用半消声室环境中搭建齿轮箱故障诊断平台获得的齿轮运行数据，将声音信号和振动信号预处理后送入CNN模型，结合IDS进行融合决策，得到更精确的设备运行状态。
第5章基于前面工作的积累，开发一个多源数据融合与大数据分析系统。首先分析制造车间多源制造大数据的产生、处理和技术架构，提出系统的功能需求，并设计系统的感性模型和技术框架；然后阐述数据库的选择和数据结构设计以及功能模块实现；最后展示系统在贵州某电器企业的应用效果，使企业降低维修成本，提高生产效率。
本书是作者姚雪梅在攻读硕士学位、博士学位期间的主要研究成果。本书的出版得到了贵州大学省部共建公共大数据国家重点实验室开放课题（PBD202222）、贵州民族大学自然科学基金项目（GZMUZK［2022］YB07）、贵州省教育厅自然科学研究项目（编号: 黔教技［2022］047号）的资助，在此表示衷心的感谢。在此，要特别感谢我的博士导师李少波教授、硕士导师杨云江教授,团队同仁夏大文院长、霍雨佳副院长对我在本书撰写过程中的大力支持和教导。最后，感谢书中引用文献作者的辛勤劳动。
由于作者水平有限，书中难免存在疏漏和不当之处，恳请广大读者和同行批评指正。
作者
2024年10月
