机电装备是集成机械、电气、液压、力学等技术的机电一体化产品,不同知识系统的融合,加上工业生产中的复杂工况,导致机电装备发生故障的可能性大大提高。传统方法对于机电装备的健康状态监测与诊断的研究,大多基于装备在运行过程中采集到的状态监测数据。随着工业制造领域对机电装备健康状态监测要求的不断提高,需要实时监测机电装备运行过程中的各种参数,状态监测数据总量随着时间的不断推移而出现跃升,从而超出传统的数据处理与数据存储的范围。所以,面向大数据的机电装备健康状态监测方法的研究,具有相当重要的理论与实际意义。本文针对面向大数据的机电装备健康状态监测方法研究内容如下所述:(1)分析机电装备在运行状态下采集的状态监测数据,针对某一时刻传感器采集的装备状态监测数据,分组提取特征参数。利用自适应神经模糊推理系统(ANFIS)建立状态监测数据与机电装备健康状态之间的映射关系,实现机电装备健康状态的监测。(2)在单台计算机上配置伪分布模式,搭建Hadoop大数据平台来处理工业大数据,利用Hadoop的分布式文件系统(HDFS)存储机电装备状态监测数据,利用Hadoop的并行计算模式MapReduce分析与处理机电装备状态监测数据。(3)设计并实现面向大数据的机电装备健康状态监测系统。在自适应神经模糊推理系统(ANFIS)和Hadoop大数据平台的基础上,开发了基于C/S(Client/Server)模型的软件系统,并实现相关功能模块。