1.2.2 机械装备智能运维的定义

随着物联网、大数据、人工智能等新一代信息技术与机械装备运行维护的深度融合，预知维护逐渐向智能运维转变[10]。智能运维使用信息深度自感知、故障特征自表征、诊断知识自学习的人工智能技术，从机械监测大数据中分析和挖掘机械装备动态运行信息，自检和预警机械装备实时健康状态，诊断和预测机械装备潜在故障与退化趋势，代替基于人工生成机制的传统预知维护，为机械装备提供不间断的监测、诊断与预测维护服务，使机械装备达到近乎零事故的服役性能。智能运维涵盖机械监测大数据的获取、存储、分析、管理及应用集成等功能，以Hadoop分布式智能运维管理系统为例，其基本框架如图1-2所示，包括数据获取与存储层、数据分析与挖掘层、系统集成与应用层。

（1）数据获取与存储层。数据获取与存储层通过多源传感器、数据采集系统等建立机械装备运行界面与监测数据管理系统之间的通道，以分布式文件系统HDFS实现机械监测数据的大容量与高速存储。

（2）数据分析与挖掘层。数据分析与挖掘层基于分布式计算批处理引擎MapReduce、Spark等，快速地从HBase数据库中索引监测数据流，并输入智能运维功能模块执行核心算法，包括：利用机械监测大数据质量保障方法动态过滤数据流中混杂的“脏数据”；基于智能故障诊断方法自适应表征高质量数据中的故障特征并自动诊断潜在故障；采用剩余寿命预测方法实时估计机械装备的剩余使用寿命；根据诊断与预测结果进行维护决策的制定与优化。之后将分析过程中产生的结果数据等存储在数据库中以备调用。

（3）系统集成与应用层。系统集成与应用层面向用户开发一系列上层应用，搭载于本地计算机或便携式设备，通过人机交互接口，协调智能运维管理系统中数据获取、存储、分析、挖掘等模块间的数据流动，实现机械装备的状态监测、故障诊断与预测维护等核心功能，并在此基础上，自动调用分析结果数据，直观地呈现装备的实时健康状态、历史退化态势等，为用户输出诊断分析报告和运维决策方案。