1、目的及意义

1.1 目的与意义

工业物联网和数据驱动技术使计算机网络能够从联网的机器中收集大量数据，并将大机器数据转化为可操作的信息，从而使制造业发生了革命性的变化。机器健康监测作为现代制造系统的关键组成部分，已全面融入大数据革命。与传统的基于物理的模型自上而下建模相比，数据驱动的机器健康监测系统为故障发生(诊断)后的故障检测以及对未来工作条件和剩余使用寿命(预后)的预测(预测)提供了一种自下而上的解决方案的新范式。众所周知，复杂嘈杂的工作环境阻碍了物理模型的构建，使得复杂动态系统的建模非常困难。这些基于物理的模型大多无法使用在线测量数据进行更新，这限制了它们的有效性和灵活性。另一方面，随着传感器、传感器网络和计算系统的飞速发展，数据驱动的机器健康监测模型越来越具有吸引力。为了从大数据中提取有用的知识并做出适当的决策，机器学习技术被认为是一种强大的解决方案。深度学习作为机器学习最热门的子领域，可以作为连接机器大数据和智能机器健康监控的桥梁^[1]。

对企业而言，对大数据的分析和处理，可以深刻了解用户的需求。为了解决如何快速高效地处理好大数据，从大数据中挖掘出数据的价值，越来越多的大数据工具和平台被开发出来用来解决这一问题^[2]。

内燃机是一种重要的动力设备，被广泛应用于工农业、军事、交通运输等多个领域，为推动社会进步和经济的发展发挥了至关重要的作用。内燃机自问世以来，经过不断发展，其技术愈见成熟，结构越来越复杂，系统也越来越集成并且日益朝着大型化、高速化、精密化方向发展，使其工作性能不断提高。优点是极大提高生产力提高效率，并降低生产成本与能耗增加经济效益；但缺点是会带来很多问题，一旦其中某一零部件或某一系统出现异常，发生故障，将会导致停工停产，造成巨大经济损失，危及人身安全^[3]。

为了保证内燃机在使用中能够处于健康的工作状态，并且实现相关故障的及时发现与排除，进而降低损失，对内燃机运行的维护与管理就变得非常重要。因此本文的目的是通过建立基于大数据的主机运行维护管理平台来对内燃机进行预测、维护以及管理。

1.2 国内外研究现状及发展

林海略等人在^[4]中分别从业务逻辑层与数据处理层这两方面，定义了一个特定的多租户架构，在业务逻辑层，该架构能够将服务需求较大的优先级降低，来保证整体的性能，同时在数据处理层，该架构能够动态调整各个副本之间的负载分配，以及改变节点中副本的放置位置使其能够适应动态的变化。

杨萍等人在^[5]中，在传统的Kerberos协议基础之上，结合了利用公钥进行加密并用私钥进行解密的体制，来解决在网络传输中的通过猜测口令对服务器进行攻击以及存储对称密钥时流程复杂的问题，实现了各个租户登录时的网络传输方面的安全，保证了大数据平台安全的访问控制策略。

唐燕等人在^[6]中,在传统的RBAC(Role-Based Access Control)的基础上,通过管理员配置LDAP信息来将xml文件中的授权信息导入系统,并基于ACL的授权机制完成多租户授权系统#65377;