边缘智能用于工业物联网设备的故障诊断探讨_工业物联网（IndustrialInternetofThin

工业物联网（Industrial Internet of Things ， IIoT）是驱动工业智能化升级的重要技术基础。随着微型化、低成本传感器节点的普及应用，工业物联网可面向各类目标实体提供泛化感知服务。目前，许多工业设备集成了多类型传感器用于数据采集，并和预先建立的模式特征库进行匹配以确定设备状态。为了应对未知的故障模式，避免滞后特征模式库更新，依靠工业过程数据本身提取设备行为规律体现了更广阔的应用前景。依托人工智能（AI）、大数据等新兴信息技术，工业物联网正在挖掘数据特征、释放数据潜能等方面焕发新活力。

结合人工智能、大数据的工业物联网技术一方面通过海量传感器实时测量运行参数，提高工业过程的透明性，另一方面着手实现对工业系统的赋能，使其能够智能化地理解和应对设备潜在或正在发生的运行状态变化。工业生产过程的管理依赖特定的领域知识，然而对于不同设备可能出现的意外行为模式以及无法用精确数学模型描述的工业流程，传统的机理模型和经验模型将失去对未知工作模式的解释能力。人工智能则利用机器学习算法发掘数据背后隐藏的系统模式，实现由结果现象回溯本质方法的处理。因此，将机器学习启发的数据驱动模型用于工业系统管理，进行复杂工业过程建模与控制、实现设备故障诊断与状态识别具有重要的工程意义和工业应用价值。