2026,
04,
No.68
127-130
数据技术在机电设备故障诊断与预测中的应用
基金项目(Foundation):
邮箱(Email):
DOI:
投稿时间：
2025-06-17
投稿日期（年）：
2025
终审时间：
2025-07-16
终审日期（年）：
2025
审稿周期（年）：
1
发布时间：
2026-04-25
出版时间：
2026-04-25
| 25 | 0 | 9 |
| 下载次数 | 被引频次 | 阅读次数 |
摘要：
针对机电设备常见故障特征易被环境噪声和负载波动掩盖、传统阈值法预警滞后等挑战，本研究将数据技术应用于机电设备故障诊断与预测。该技术依次使用加权移动平均滤波与包络解调、多因素加权最小二乘基线建模及深度学习模型在线增量更新，实现弱冲击脉冲提取、热失效前兆监测与负载异常预测的高精度识别。实验结果表明，数据技术在振动诊断场景中诊断准确率达98.2%、温度预警提前期达4.5h、负载预测均方根误差（RMSE）降至2.3%，且经单因素方差分析验证其与传统阈值法的性能差异显著，证明了其优异的鲁棒性与自适应能力，为机电设备智能运维提供了有效支撑。
Abstract：
参考文献
[1]张荣华.融合数字孪生与声纹识别的矿用机电设备故障诊断技术[J].现代电子技术，2025,48(10):52-56.
[2]司马航.论数据技术措施的法律定位和制度建构[J].知识产权，2025(3):105-126.
[3]王璐，张爽.基于EMD和FFT的自适应X射线脉冲星信号降噪方法[J].电波科学学报，2025,40(2):381-394.
[4]梁立河，崔锦莹，张雪松，等.功率谱密度引导下的时间序列预测模型[J].计算机工程与设计，2025,46(4):1087-1095.
[5]王建锋.北斗接收机稳健抗干扰技术研究及实现[D].西安：西京学院，2023.
[6]董前程.基于CNN-LSTM的桥壳裂纹识别[D].秦皇岛：燕山大学，2024.
基本信息:
中图分类号:TH17
引用信息:
[1]郭爱琴,何晓亮,宋满利,等.数据技术在机电设备故障诊断与预测中的应用[J].电气技术与经济,2026,No.68(04):127-130.
投稿时间：
2025-06-17
投稿日期（年）：
2025
终审时间：
2025-07-16
终审日期（年）：
2025
审稿周期（年）：
1
发布时间：
2026-04-25
出版时间：
2026-04-25