科研院校
基础教学
工业预测性维护教学试验箱
系统概述
-
工业预测性维护教学试验箱为定制教学套件，旨在通过定制化的动手实践，帮助用户快速了解传感器原理、信号调理、数据采集、信号分析等基础理论知识，引领用户走进工业物联网架构下的状态监测及预测性维护应用的知识领域！
工业大数据开发技术系列课程
课程背景
工业互联网建设的核心包括网络，平台和安全。网络是基础，平台是核心，安全是保障。其中的平台承载了工业互联网的核心功能模块，也是所有业务数据的汇聚中心，海量的数据处理，存储以及运营维护为现有计算机技术提出了挑战，催生了大数据平台的构建。大数据平台为数据汇聚、建模分析、应用开发、资源调度、监测管理等提供支撑，实现生产智能决策、业务模式创新、资源优化配置、产业生态培育等上层机制。
本系列实验实验课程旨在帮助学生在工业大数据平台的搭建步骤、应用、开发等方面提供系列的入门指导，切身体验真实的工业大数据平台。亦可根据院校师生实际需求进行定制课程开发。
课程目的
-
本系列实验实验课程旨在帮助学生在工业大数据平台的搭建步骤、应用、开发等方面提供系列的入门指导，切身体验真实的工业大数据平台。亦可根据院校师生实际需求进行定制课程开发。
实验课程
课程1：工业大数据平台体验
为了深入理解工业互联网和工业大数据平台，带领学生考察一个公开可访问的大数据平台，了解其主要适用的工业场景，调研其主要功能和架构，实践其数据接口API等，从而指导学生根据本门课程的一系列实验，实际构建一个简易大数据平台。
课程2：工业设备模拟器开发
在工业大数据平台构建的过程中，初期通常会采用设备模拟器来方便研发和测试工作，本实验通过构建设备模拟器实践基础的南北向通信能力。对一个现实中事物进行数据建模，主要包括静态属性和动态属性。以一个电动汽车为例，静态属性包括品牌，车型， 动态属性包括时速，发动机转速，实时位置（包括经纬度）
课程3：MQTT协议数据传输
MQTT协议是目前物联网广泛使用的一种轻量级通信协议。 本实验帮助学生深入了解MQTT协议，并通过实验初步实践，对今后从事物联网相关研发提供帮助。
课程4：Kafka实时数据收集
构建一个工业大数据平台后端服务的过程中，模块间解耦可以极大提升平台对各种场景的适用性。数据持久化也是很重要的功能。Kafka是一个目前被广泛使用的开源中间件。通过本实验学生可以对消息中间件有深入体会，对以后从事研发和架构工作有重要的借鉴意义。
课程5：时序数据库存储
数据存储以及基于时间快速查询是工业大数据平台必需的功能。 通过本实验学生可以部署和使用Influxdb来对接平台其他模块来实践时序数据库的基本理论。
课程6：数据特征提取
有效的数据分析依赖于的特定的领域知识以及相关的数据特征。NumPy是Python语言的一个扩展库，提供了基本的多维度数组和矩阵运算，同时包含大量的函数库。通过本实验可以实践振动分析领域的数据特征提取。
课程7：基于数据特征实时报警
基于数据特征的实时报警是大数据平台一个基本且重要的功能。 通过本实验学生可以完成使用一个或者多个特征值得实时报警功能，在特征值符合一定条件(大于，小于，等于，不等于以及条件组合等)时输出报警。
课程8：数据可视化
数据采集和数据处理分析产生的结果通常要以可视化的形式友好得展示给终端客户。通过本实验学生可以掌握基本的数据可视化形式和手段。
