近日，由IEEE可靠性协会主办的全球性专业会议ICPHM 2022 上，阿里云IoT平台数据分析团队发布名为An Integration of Spectrum Analysis and Attention- based Network for Condition Monitoring of Vibration Components论文，提出了SOTA级(行业领先)高精度故障诊断算法，刷新工业振动设备故障诊断精准度，显著提升设备运维效率。
作为工程学科的全球性专业会议，ICPHM已经连续举办了13届。在会议上发表的论文需要经过严格评审，文章录用且受邀会议演讲的比例不到30%，被收录的论文将在IEEE Explore上发表。
此次阿里云IoT发布的论文提出SOTA级振动故障诊断算法，对于减小非计划停机和降低运维成本有较大的价值。
在工业设备中由振动引起的故障，占所有故障的60%以上。而磨损、裂纹等轻微故障，往往宏观表征微弱，仅靠人工无法有效辨识，开展基于振动信号的状态监控可以有效跟踪并发现设备早期故障，减小非计划停机和运维成本，提高设备安全性和排故效率。
阿里云IoT的SOTA级算法通过融合领域知识和深度学习网络，相比直接使用原始时序信号或快速傅立叶变换得到的频谱，基于welch方法获得功率谱估计有助于抑制噪声，提升网络的特征提取效果。
基于一维双卷积网络和多头自注意力机制的轻量深度网络结构，可以融合多测点信号数据，相比现有的各种复杂多层网络，如ResNet等，在不降低模型识别效果的同时减小了模型大小，提升了计算效率。
此外，此套算法用一个模型适配多个场景，在轴承、齿轮等各类工况下都有出色的诊断效果。
IEEE专家评审意见认为：“阿里云IoT故障诊断算法提出了一套端到端的诊断与状态识别流程，并且实验效果优越。”
论文主要作者，阿里云IoT平台算法工程师陈曦表示，振动故障算法将与阿里云物联网平台、数字工厂等产品深度结合，为用户提供高精准度的预测性设备维护。
据了解，阿里云物联网平台已经服务近十万家企业，大量设备上云产生海量数据，为了帮助用户用好这些数据，阿里云IoT在数据分析平台上提供了包括故障诊断算法、生产过程分析等在内的五大类数据分析算法，API日调用量已达5O多万次。
