近日，由IEEE由可靠性协会主办的全球专业会议ICPHM 2022 上，阿里云IoT平台数据分析团队名称An Integration of Spectrum Analysis and Attention－ based Network for Condition Monitoring of Vibration Components提出论文SOTA高精度故障诊断算法(行业领先)，刷新工业振动设备故障诊断精度，显著提高设备运维效率。
作为工程学科的全球性专业会议，ICPHM已连续连续举行了13次。会议上发表的论文需要严格审查录用和邀请会议演讲的比例不到30%。收录的论文将在IEEE Explore上发表。
此次阿里云IoT提出发表的论文SOTA级振动故障诊断算法对降低非计划停机和运维成本具有重要价值。
振动引起的工业设备故障占所有故障的60%以上。但磨损、裂纹等轻微故障往往宏观表现较弱，仅靠人工无法有效识别。基于振动信号的状态监测可以有效跟踪和发现设备的早期故障，降低非计划停机和运维成本，提高设备的安全性和故障排除效率。
阿里云IoT的SOTA与直接使用原始时序信号或快速傅立叶变换获得的频谱相比，通过整合领域知识和深度学习网络获得的频谱级算法welch估计方法获得功率谱有助于抑制噪声，提高网络特征的提取效果；
轻量级深度网络结构基于一维双卷积网络和多头自注意机制，可与现有复杂的多层网络相比，集成多测点信号数据ResNet等，在不降低模型识别效果的同时，降低模型尺寸，提高计算效率。
此外，该算法在轴承、齿轮等各种工况下，采用模型适应多种场景，具有优异的诊断效果。
IEEE根据专家评审意见，阿里云IoT故障诊断算法提出了一套端到端诊断和状态识别过程，实验效果优越。
主要作者是阿里云IoT平台算法工程师陈曦表示，振动故障算法和阿里云物联网平台、数字工厂等产品的深度结合，为用户提供高精度的预测设备维护。
据了解，阿里云物联网平台已服务近10万家企业，大量设备云产生大量数据。为了帮助用户充分利用这些数据，阿里云IoT数据分析平台提供了五种数据分析算法，包括故障诊断算法、生产过程分析等，API日调用量已达5O多万次。
