Resumen

En los últimos años, se ha utilizado un gran número de dispositivos de computación en el borde para monitorear el estado operativo de equipos industriales y realizar análisis de diagnóstico de fallas. Por lo tanto, el algoritmo de diagnóstico de fallas en el dispositivo de computación en el borde es particularmente importante. Con el aumento en el número de puntos de detección de dispositivos y la frecuencia de muestreo, el monitoreo de la salud mecánica ha entrado en la era del big data. La computación en el borde puede procesar y analizar datos en tiempo real o más rápido, lo que hace que el procesamiento de datos esté más cerca de la fuente, en lugar del centro de datos externo o la nube, lo que puede acortar el tiempo de retraso. Después de utilizar 8 bits y 16 bits para cuantificar el modelo de aprendizaje de medición profunda, no hay una pérdida obvia de precisión en comparación con el modelo original de punto flotante, lo que muestra que el modelo se puede implementar y razonar en el dispositivo en el borde

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Dispositivos de computación de borde; Algoritmo de diagnóstico de fallos; Equipos industriales; Supervisión de la salud mecánica; Computación de borde; Tiempo real.
• Keywords:Edge computing devices; Fault diagnosis algorithm; Industrial equipment; Mechanical health monitoring; Edge computing; Real time.