面向長距離輸煤皮帶的邊緣-云協(xié)同計算架構(gòu)與異常檢測加速策略研究

長距離輸煤皮帶作為煤炭運輸?shù)年P(guān)鍵設(shè)備 ,其穩(wěn)定運行對工業(yè)生產(chǎn)至關(guān)重要 。然而 ,傳統(tǒng)的輸煤皮帶異常檢測手段 , 如人工巡檢 、單點傳感器檢測和云端集中式處理 , 存在主觀性強 、信息孤立 、處理延遲等問題 , 難以精準(zhǔn) 、及時地識別皮帶跑偏 、撕裂 、托輥損壞等復(fù)雜故障 。針對這一現(xiàn)狀 ,研究提出面向長距離輸煤皮帶的邊緣-云協(xié)同計算架構(gòu)與異常檢測加速策略 。通過構(gòu)建融合邊緣計算與云計算能力的分布式計算架構(gòu) ,在邊緣端部署SVM 、CNN等檢測模型 ,對輸煤皮帶運行數(shù)據(jù)進(jìn)行實時處理與分析 ,云端則負(fù)責(zé)模型訓(xùn)練與優(yōu)化 ,并將優(yōu)化后的模型下發(fā)至邊緣端 。該策略可實現(xiàn)長距離輸煤皮帶異常的快速 、精準(zhǔn)檢測 , 降低網(wǎng)絡(luò)傳輸負(fù)載 , 提升系統(tǒng)響應(yīng)速度 , 保障輸煤皮帶的安全穩(wěn)定運行 , 為工業(yè)場景下設(shè)備故障檢測提供高效的解決方案 。