电力系统中高压断路器普遍采用液压操动机构,其机械寿命是考核断路器可靠性和稳定性的基础,文中提出运用数据驱动方法建立退化过程与特征参量之间的数学映射关系,实现高压断路器液压操动机构的机械寿命预测。基于Hadoop+Spark大数据平台及其生态组件,将采集的数据存储在Hadoop分布式文件系统中,利用Spark运算框架处理数据,结合Spark ML机器学习库中的回归算法,训练模型并进行验证评估,从评估结果来看文中创建的广义线性回归算法模型的均方根误差为52.96,R-平方系数为0.92,预测值和实际值偏差较小,拟合效果较好,相较于其他回归算法模型性能指标最优。最后得到最优模型及其参数,据此可确定对高压断路器维护检修的最佳时刻,对于切实保护高压断路器设备的运行可靠性、安全性和经济性具有重要的意义。

为提高数控机床群的加工效率和管理水平,对数控机床群状态监测进行研究,提出了基于物联网传输技术的状态监测方法。通过调用FOCAS库函数实现多线程数据采集,运用Spark Streaming大数据处理框架,结合Kafka等组件对采集的数据进行指标分析,采用MySQL数据库实现状态数据及数据指标的持久化。该方法能够用于对数控机床群的分散监测、集中管理和资源共享,为数控机床群的统一高效管理提供了新思路。

基于正逆向混合设计的理念，以Geomag!CSpark软件为平台，利用逆向设计和正向设计相结合的方法，分析了基于GeomagicSpark的特点与产品重构流程并据此实现了汽车连杆数模的快速再设计。