一、远程分布式故障诊断系统的设计(论文文献综述)
张向向[1](2021)在《分布式机电系统远程监测与管理平台设计及实现》文中提出大型设备的研发和计算机技术的快速发展,促进了分布式机电系统的发展,但大型分布式机电设备为生产带来便利的同时也为多地域分布设备状态监测、设备管理、数据储存与处理带来了巨大的困难。大型工业生产中的分布式机电设备存在分散性、监测节点多元化、设备管理复杂化等特点,在分布式网络化智能监控中,每个独立运行的机电设备即是一个边缘节点,位于边缘节点的设备数据信息是对分布式机电设备进行高效监测与管理的重点所在。本文提出了一套基于嵌入式边缘节点开发的融合虚拟仪器技术的分布式机电系统远程监测与管理平台设计方案,开发了网络化的远程分布式机电设备监测及边缘节点管理平台,该系统可对处于不同地域的机电设备进行远程监测与设备信息的管理。主要研究工作及成果如下:(1)通过分析分布式机电系统的信号特点,设计数据采集系统,结合虚拟仪器技术,并采用嵌入式FPGA开发和数据传输技术完成边缘节点信号的可靠、高速采集及传输等功能。(2)为提高边缘节点数据分析的效率,利用一阶差分法有效剔除原始采样信号的奇异点,随之对信号进行最优变分模态分解(OVMD),然后采用相关性分析判定各模态与原始信号的相关程度,从而准确获取真实运行信号与噪声源信号,实现机电系统边缘节点的信号预处理功能,以提高分布式机电系统边缘节点对本地数据的过滤、分析的效率及其准确性。(3)结合System Link技术实现信号的远程传输,完成在远程终端的信号监测,设计远程监测方案,在远程系统终端实现对边缘节点设备运行状态的监测与高效管理,采用远程软件驱动等部署技术实现对远程设备的统一管理与升级。为分布式系统海量运行数据的存储、挖掘、云端计算与应用奠定基础,为故障诊断等技术提供可靠的数据支撑。(4)为了验证所设计平台的实际应用效果,采用实验室三台机电设备作为平台监测与管理对象,使用本文技术验证设计结果。实验表明,本文所设计实现的监测平台能够可靠地采集到设备运行数据,经所开发的边缘节点预处理技术实现边缘节点信号的提取与重构,通过终端服务器能够良好地监测远程设备运行状态,实现高效的分布式设备软硬件管理。该实验平台的设计具有可靠性及可扩展性,为分布式系统海量运行数据的存储、挖掘、云端计算与应用奠定基础,为故障诊断等技术提供可靠的数据支撑,为之后课题组平台设计的开发及健康监测、故障诊断奠定坚实的基础。
崔利欢[2](2021)在《时序故障数据智能分析系统的设计与实现》文中提出时间序列分析是处理动态数据常用的方法,可以反映出当前对象的发展趋势。时间序列故障数据反映出随着时间的变化对象的故障变化的程度和状态,通过对时间序列故障数据的分析,挖掘出其特征变化规律,从而可以判断出当前数据源是否发生故障以及故障的损耗程度。本文先以轨道车辆的轴承在动作过程中产生的振动信号作为数据源,结合时间序列故障数据的特征,提出了一种基于时间序列故障数据的故障分类模型Multi-scale-VMDPSO-DDBN-BP(MVPDD)。本模型首先选择合适的步长对信号进行多尺度处理,然后对处理完的信号经过变分模态分解成多个IMFs分量,再将分解后的IMFs分量分别并行的输入到双尺度深度信念网络当中,再将双尺度深度信念网络的输出进行叠加作为整体输出,粒子群优化算法与深度信念网络相结合来确定神经网络中每层神经元的个数,最后通过BP神经网络对整个模型进行反向微调,使用Softmax分类器对信号实现分类。通过与其他模型的实验结果比较,本文提出的分类模型MVPDD具有更高的准确性和有效性。传统的车辆轴承故障检测方式主要是依靠检验人员的工作经验以及技术水平,在一定程度上降低了故障检测准确率,同时检测耗时耗力。本文提出了一种在线实时高效的远程轴承故障诊断系统,使用MVPDD模型和传统的检测方式在内的多种检测方式,采用微服务思想,利用Spring Cloud框架和大数据相关技术搭建的分布式系统,保障系统具有高可靠、易拓展等特点。检测人员通过本系统可远程实时的查看设备是否发生故障,不仅提高了检测效率,同时也降低了企业的安全隐患。
宋超超[3](2021)在《基于无监督学习的汽车动力故障诊断系统设计与实现》文中研究指明汽车动力故障诊断系统作为汽车稳定性和安全性的保障,是汽车最基本的软硬件组成。更加智能和方便的汽车动力故障诊断系统的需求强烈,经济市场规模大,政策导向利好。目前,车载自诊断(On-Board Diagnosis,OBD)系统存在诸多问题:需构建大型专家知识库;未知故障的诊断能力有限;外接OBD诊断仪查看故障信息的方式效率低;时序数据记录缺失,不能充分反映汽车动力系统运行状态。远程汽车动力故障诊断系统的落地应用仍未形成规模,并且存在高度依赖汽车本身OBD系统、适用车型有限等缺点。为解决以上问题,本文进行了基于无监督学习的汽车动力故障诊断系统的设计与实现工作。本文研究内容如下:1.设计汽车动力故障诊断系统的整体架构,包括分布式汽车动力数据采集设备集群和实时汽车动力故障诊断云平台。分布式汽车动力数据采集设备集群由多个设备和无线Wi-Fi接入点组成,负责将采集的数据传输至故障诊断云平台;故障诊断云平台运行基于无监督学习的汽车动力故障诊断算法,实现实时故障检测与定位。2.设计并实现分布式汽车动力数据采集设备。使用无线Wi-Fi局域网时钟同步算法解决设备间时钟同步问题,可组成具备高精度同步时钟的分布式汽车动力数据采集设备集群;硬件性能优化包括电源防浪涌、防反接、防短路,组合开关电源、线性电源提升能量转化效率,分离数字电路、模拟电路、电源电路区域提升ADC采集精度等。3.研究基于无监督学习的汽车动力系统故障诊断算法。提出周期采样器方法,来处理缺失数据和时间戳不对齐的问题;结合卷积神经网络、卷积长短时记忆网络以及自编码网络,能够较好提取汽车动力系统的多维数据关系特征和时序特征;采用无监督学习方法实现汽车动力故障诊断,该方法不需要故障标签和专家知识,适用于汽车动力故障诊断等缺乏故障标签的场景。4.设计和实现实时汽车动力故障诊断云平台。JT/T 808设备接入节点可以拓展为超大规模集群,提供设备大连接能力;Kafka流平台和多个故障诊断主机共同实现了数据负载均衡和并行计算,并多阶段地运行故障诊断算法,提供实时故障诊断能力;可视化界面提供故障位置查询、汽车运行状态还原等服务。
王雪松[4](2020)在《电牵引采煤机分布式控制系统的研究与开发》文中研究表明随着煤炭智能开采从概念逐步且越来越富有内涵地走向工程实践,作为其中最为关键的开采装备——采煤机也必须具备相应的智能化功能。本文立足于作者的工作岗位,结合太重煤机有限公司(以下简称太矿)智能开采装备研发规划,对电牵引采煤机新一代分布式控制系统进行了深入系统的研究和实用产品的开发。首先,根据煤炭智能开采对采煤机的智能化要求,结合太矿采煤机及其控制系统的发展历史、现有水平,以及应对未来智能开采时代的煤机发展战略,对标国际先进水平,制定了新一代电牵引采煤机分布式控制系统的整体架构和功能模块构成:采用32位主、从控制器(主控制器型号DX-M3530,从控制器型号DX-M302)、CAN总线通讯方式的分布式控制模式;将整个控制系统按照功能划分为主控制单元、高压测控单元、本安测控单元、无线4G信号转换模块、本安信号采集模块、传感器单元等,并进行了主控制器的开发及检测检验。第二,研发了分布式电控系统中主要监控模块,用于监测8路PT100温度信号、三轴倾角、环境温湿度等。从该分布式模块的功能需求入手,分析并设计了该模块的硬件电路,具体包括:输入、输出量接口模块、电源模块、MCU控制部分、PT100检测部分、CAN通信部分、环境温湿度检测、倾角检测等,并进行了可靠性测试设计。第三,研究了采煤机状态监测与故障诊断系统并加以实现。状态监测除了常规的电机温度、电流、牵引速度、角度等检测量以外,还通过安装旋转编码器、压力、温度、振动、电缆张力等传感器实现了太矿采煤机更加全面的工况监测,首次实现了太矿采煤机拖曳电缆的张力监测,增强了采煤机机载预警与故障提示功能,故障代码达到了81个;通过新研发的机载数据记录仪,可采集、存储采煤机的110种状态数据,数据记录可长达90天、约90亿条记录;井下实时监测的采煤机通讯状态、关键部位温度、压力及流量值、摇臂角度、煤机位置、记忆截割等数据,通过机载无线通信单元和防爆天线经矿井环网传输至太矿采煤机云端远程运维中心,为后期实现采煤机远程信息融合故障诊断和预测预警奠定了基础。第四,主持设计的基于分布式电控系统的采煤机智能化功能实现突破:首次实现了摇臂高度自动调节、牵引速度自动调节和基于TD-LTE制式的4G采煤机信息无线传输等功能,显着提升了采煤机的智能化水平。
王海[5](2012)在《制造装备远程监控故障诊断系统研究》文中研究指明随着Internet/Intranet技术的迅速发展,现代制造模式正朝着集成化、网络化、全球化方向发展,涌现出智能制造、网络化分散制造等先进制造理念。以数控机床、PLC控制的制造装备、机器人等为代表的现场设备作为各种现代化制造系统的最基础装备,其正常运行是现代制造企业能够健康运转的根本保证。现场设备技术迅猛发展,结构日趋复杂,使得针对这些设备及其工艺过程的故障诊断工作越来越重要。本文分析了现代化装备制造系统在新形式下面临的挑战,在现有支撑技术条件下及其可见的发展趋势下,针对以CNC装置和PLC为控制器的制造装备的远程监控故障诊断进行深入研究。研究工作从构建由现场控制器到远程分布式系统的故障诊断功能的体系结构及关键使能技术出发,以系统的通用性为重要原则,提出远程监控故障诊断系统(EMID)的结构功能模型;提出实时数据平台RDSP功能模型,通过其向上层提供集成数据服务,并对实时数据的采集、管理、服务功能进行深入研究;提出“结构-故障树”方式的装备诊断知识组织模型,在其基础上,采用基于智能引导的融合诊断方法实现高效的诊断维护工作。本论文的主要研究工作具体如下:(1)分析现代制造环境下的装备故障诊断工作的功能需求,提出面向生产现场的远程监控故障诊断系统结构框架和功能模型,对其作出了系统化、全局性阐述,分析了实时数据服务和融合诊断方法等关键技术,为系统的具体实现奠定基础。(2)分析了生产现场实时数据接口特点和信号采集内容,分析了在诊断系统中实时数据服务功能的需求,提出基于扁平结构的实时数据平台RDSP,针对基于广域网分布式实时数据访问问题,采用散列映射访问机制和Socket线程池等技术,解决数据服务的实时性、并发性问题,通过实际检测达到预计效果。RDSP的研究包括平台的结构、内存实时数据维护、现场实时数据采集、实时数据服务、历史数据维护等具体功能的设计思想和实现方法。(3)充分分析制造装备固有特点和其故障特点,同时分析了应用于实际的各种故障诊断技术方法的特点。针对现有的各诊断理论功能单一的局限,提出基于“结构-故障树”知识组织方法和基于智能引导的层次融合诊断推理方法,解决了诊断知识和诊断方法在融合诊断工作中组织问题。在收集和分析大量数控机床等故障实例基础上,提出基于诊断过程性知识引导的诊断方法,基于设备-故障特征知识引导的诊断方法。同时,在经验知识不够充分时,提出基于RDSP实时/历史数据的ANFIS知识发现方法,实现面向数据的故障诊断功能。EMID层次诊断功能从纵向配置角度,提出基于现场控制器故障诊断的实施原则;在讨论和分析网络化协同工作环境下,诊断系统基本结构、功能实现的基础上,给出分布式故障诊断工作的流程及模糊层次评价方法。(4)在上述原理研究的基础上,在教育部博士基金项目“基于网络化的数控加工智能化研究”(145015)和教育部重点科研项目“基于CSCW远程控制的机械装备协调设计技术研究”(105057)的资助下,结合企业的CIMS及管控一体化开发等大量横向课题,综合运用CNC、PL、OPC、.NET、XML Web Service、AJAX、数据库等技术,以建立开放式远程监控故障诊断平台为基础,开发了面向网络化的EMID远程监控故障诊断原型系统,实现对上述复杂设备的状态监测与故障诊断的远程化、智能化,验证了论文提出的远程监控故障诊断系统的思想和方法的可行性、实用性。
李军虎[6](2011)在《一种基于多Agent远程分布式故障诊断系统模型》文中提出简要介绍了Agent与多Agent的相关知识,并以军用通信系统为例,分析了远程分布式故障诊断的系统结构,并提出了一种基于多Agent远程分布式故障诊断模型,对其系统工作流程进行了简要介绍。
解丹[7](2011)在《棉纺机分布式远程诊断系统的研究》文中提出当前我国的棉纺产业不断发展,棉纺设备的生产也是日新月异。棉纺设备的不断进步在很大程度提高了生产的效率,不仅是增加了企业利润,同时也给社会增加了经济效益。棉纺设备是一种大型的精密的设备,在结构上和材质上都有很高的要求。设备运行过程中难免会有故障的发生,如果出现了故障,现场的技术人员由于受很多的客观因素的限制不能够及时维修,这将造成设备的停工,给企业带来经济损失。在网络发展的今天,利用网络为企业建立一套分布式远程故障诊断的平台,这样会更加精确的判断出故障出现的原因并且给出解决方案。本文首先介绍了远程故障诊断系统的研究背景、目的、意义,分析了限制远程故障诊断系统技术发展的主要因素。介绍了构建远程故障诊断系统的相关理论,给出了系统的设计的架构,以及各个模块的功能和设计方法。根据棉纺机故障诊断的需求,构建了基于Internet的分布式远程故障诊断系统,通过监控将棉纺机的信息采集,然后传输到故障诊断中心,诊断中心根据故障诊断模块的判定,最终将故障信息通过页面的形式展示给用户。本文对系统的核心模块——故障诊断模块,进行了分析、设计和实现。首先选取了模糊推理的专家系统技术的判定方法,对采集到的故障信息进行处理,将故障信息传输到知识库中进行比对,找出解决的方法;如果故障信息在知识库中不存在,这时就要将故障信息添加到知识库中。故障诊断算法运用模糊推理技术,把分解后的故障信息,同数据库中的数据来进行比对,将概率论和模糊推理进行结合,赋予故障诊断结果一个可信度值,并通过实例将故障诊断模块的具体实现进行了详细的描述。在系统的实现方面,分析了C/S架构和B/S架构的优缺点,最终选取B/S的系统结构;系统的环境和开发平台的选取上,也是进行了对比分析,最终选取J2EE的开发平台;对故障诊断模块的业务逻辑进行了着重的分析,将模块中的每个Bean的功能、流程进行了详细的说明。本文是以棉纺行业的多家企业应用为背景,对远程故障诊断系统进行研究、分析、设计和实现,该系统的应用会提高故障诊断的效率,提高故障诊断的精确度,增强企业的设备管理水平,提高企业的竞争力。
刘杰[8](2010)在《分布式资源环境下船舶动力设备诊断系统的关键技术研究》文中研究指明船舶动力设备是船舶的关键部件,对其进行状态监测和故障诊断受到国内外学者和研究机构的广泛关注。在船舶动力设备的故障诊断中,判据知识欠缺-直是制约其发展的一个关键因素,为此非常需要构建一个分布式的船舶动力设备故障诊断的资源环境,在这个资源环境下能共享诊断数据、案例和知识,并利用数据挖掘等技术从中提炼出新的诊断判据。针对目前船舶动力设备故障诊断研究领域的研究工作基本处于相互分离状态的现状,论述了构建船舶动力设备状态监测和故障诊断分布式资源环境的重要意义;分析了构造分布式资源环境的几个关键问题,定义了分布式资源环境中的角色分类和角色功能,论述了资源的分类特征和表述方法;给出了分布式资源环境体系结构和创建步骤,为推动船舶动力设备故障诊断系统真正走向实用建立坚实基础。对状态监测和故障诊断中的仪器设备特征分类进行深入分析,实现了串口类型仪器数据的自动高效采集集成,同时利用文件夹监控方式和消息通信方式实现了自带电脑型仪器的网络化数据集成;在此基础上构建了监测分析实验中心的自动化数据采集系统,经实际运行验证,取得良好效果;提出并实现了基于聚类相似度分析的分析仪器数据格式分析算法,为对加密型仪器设备数据进一步利用奠定了很好的基础;针对船舶移动工况,论述了在状态监测与故障诊断中集成机务维护信息的必要性,利用程序脚本代码自动生成技术方便高效的解决了机务维护信息修改后的集成问题;这些技术的运用,提高了检测信息的集成度,为更好地在分布式资源环境下利用这些数据建立坚实的基础。获取判据知识一直是设备状态监测与故障诊断中的难点。传统的获取方式是依靠不断总结专家的经验,但所形成的诊断知识不一定准确和高效。借助于网络环境,将拥有相同设备的不同公司、用户组织成一个整体,将各自在实际监测诊断中收集的原始数据和形成的诊断判据知识共享,借助于知识挖掘、信息融合等方法,可形成准确度更高的判据知识。文中讨论了在船舶动力设备状态监测和故障诊断领域中应用数据挖掘方法来获得诊断知识的途径;针对数据挖掘中的聚类算法,提出并实现了一种新的谱系图生成算法;分析了传统正态分布方法获取监测数据基线的不足,介绍了用最大熵方法计算判据基线值的过程,通过.net编程语言实现了最大熵算法程序,分析了最大熵方法的应用要求,针对柴油机台架试验数据用最大熵方法和正态分布方法分别计算了油液光谱分析元素浓度绝对值的判据和变化率判据,并对数据进行了分析,得出了最大熵方法挖掘判据基线的前提条件要求;针对目前数据挖掘方法发展变化非常迅速的特点,提出了用反射技术来构建可扩展式数据挖掘应用系统的方法,对分布式资源环境的创建有非常重要的意义。分析了船舶动力设备故障诊断知识的特征,提出了用数据库技术来保存产生式规则知识的体系,研究了相应的存储结构,提出了一种方便灵活的动态知识匹配诊断方法。针对目前故障诊断中,有些知识是模糊性的,还无法表示为规则,只存在相应案例样本的情况,实现用神经网络来保存该类型知识,并编程实现了神经网络的构造、训练、保存、加载和诊断,对分布式资源环境提供了有力的支持。论述了知识服务的概念和意义;提出以远程知识服务的形式来对外开展诊断服务,描述了基于Web Service技术的远程知识服务系统体系的关键技术;解决了分布式资源环境下不同节点的对外服务运作形式问题;以构建远程磨粒图像处理知识服务为例,描述了构造知识服务的过程。介绍了构造的基于分布式资源环境理念的远程船舶故障诊断系统平台,包括设计理念、扩充的接口、运行效果等。
刘庆[9](2010)在《电脑针织横机远程故障诊断系统研究与实现》文中提出在当前的羊毛衫生产过程中电脑针织横机大规模应用于生产,极大地提高了生产企业的生产效率;但是由于电脑针织横机属于高精密设备,一旦出现故障如果不能及时解决将会产生较高的维护成本,而生产企业与技术人员往往处于不同的地理位置,因而利用Internet的优势为生产企业建立一个远程故障诊断平台,将大大提高电脑针织横机的故障解决效率。在当前的各种远程故障诊断系统中,通常存在以下两个问题:第一,故障诊断算法的设计。对于任何一个故障诊断系统来说,其故障判定算法都是其核心所在。当前使用的各种故障判定算法采用的原理有多种,但是都存在或多或少的缺陷,并不能完全符合各种故障判定的要求,因此设计一种可以遍历各种故障判定的算法成为了当前各故障诊断系统的急切需求。第二,远程故障诊断系统中数据通过Internet传输的实时性和准确性的问题。由于Internet本身不提供可靠的传输质量保证,因而如何设计系统的通信模块以最大限度地保证其数据信息传输的质量也是目前该类系统所面临的一个主要问题。针对以上问题,本文首先介绍了当前故障诊断系统存在的问题以及本文研究的内容、目的和意义,并给出了系统的设计架构、各个模块的功能及设计方法。本文在研究各类电脑针织机的故障以及处理方法的基础上建立了基于Internet的电脑针织横机远程故障诊断系统,构建了能够自动更新知识库的远程在线诊断系统,通过Internet将本地被监测的电脑针织机现象库的运行状态返回到远程诊断中心,经由专家系统判定后将故障信息以web页面的形式显示给管理人员。对于远程故障诊断系统的设计,文中首先设计了故障诊断算法,该算法采用了先进的模糊推理技术,能及时对横机本地现象库中的数据进行监测和诊断,当判定产生运行故障后,会根据故障信息首先查询知识库寻找解决方法,当知识库没有查找到相关记录后就把该故障信息通过web页面反馈给技术人员。另外,由于远程故障诊断系统部署于Internet上,且故障信息和数据的传输对实时性和准确性有较高的要求,为此,本文还设计了诊断系统的通信模块,该策略采用了基于COPS协议的智能管理缓冲区的拥塞控制算法以保证信息传输的质量,并通过NS2仿真验证了该算法的有效性。在系统的实现方面,本文设计的电脑针织横机远程故障诊断系统采用了三层结构的J2EE/EJB技术进行开发,将系统从软件结构上分成了Web层、业务层和数据层;在深入分析系统业务流程的基础上,设计了系统的五大模块,并以故障诊断模块和通信模块为例在业务层着重论述了这些模块的EJB实现方式及其各子EJB的工作流程,并最终完成了整个系统的部署和运行。在创新性方面,本文设计了基于模糊技术的故障诊断算法,并在J2EE平台上实现了整个系统。另外,系统通信模块的拥塞控制算法及其实现也是本文的亮点所在。
吴宗彦[10](2009)在《基于网格的远程协同诊断系统的研究与实现》文中研究说明对于复杂装备,由于其大型化、自动化、高速化程度的不断提高,往往需要利用多种检测手段与诊断方法,以形成集成和融合的诊断策略与系统,从而减小故障诊断中的不确定性。与之相应,远程化、协同化、智能化已成为现代故障诊断领域研究的一个重要发展方向和必然趋势。远程协同故障诊断是保证复杂设备稳定运行的重要技术手段,目前诊断方法已经由传统的数据测量和经验估计转变为利用智能技术构建专家系统求解来完成。但是由于复杂故障样本相对较少,而故障情形却非常复杂,单一智能诊断系统已经无法适应故障诊断的要求,这也直接影响了复杂设备状态检修的实施,因此需要建立集成智能化分布式故障诊断系统。如何适应这种诊断模式的变化,在故障诊断领域尚未能建立起完整的集成框架与应用体系。而网格正成为构建下一代的科学研究信息支持基础架构平台,网格服务平台作为实现资源共享和协同工作的良好载体,为远程协同故障诊断实现提供了一种新思路,体现了远程协同故障诊断系统集中管理和分布式计算相结合的广域分布式资源共享的故障诊断思想,实现了快速响应客户的故障诊断请求。基于网格的远程协同故障诊断实现社会资源共享和集成,支持群体协同运作和管理的集成方法,是远程协同故障诊断理论的重要补充和发展,最终为网格技术应用于远程协同故障诊断提供基础理论和方法支持。本课题属于多学科交叉、多技术集成的新兴研究领域,通过本课题的实施,可以拓展我国网格技术应用领域,促进学科交叉与融合。本文结合国家自然科学基金项目,对基于网格的远程故障诊断系统的理论、系统架构、资源建模、任务管理与资源调度、知识获取与表达方法等问题进行研究,主要内容及成果如下:1)利用智能诊断、远程诊断和网格技术相关原理,分析了基于网格的远程协同诊断的构成、特点和优势,并建立合适的远程协同诊断系统,详细阐述了其工作原理、系统架构和功能结构,使该系统具有智能性、开放性、扩展性强的特点,同时为以后更加复杂的故障诊断应用提供了服务平台。2)提出基于XML Schema和WSRF的诊断资源服务化封装模型框架,对故障诊断资源进行基于服务内容的分类,在此基础之上利用UML统一建模语言对诊断资源进行了建模,并以UML模型为基础建立诊断资源元数据生成模板,利用XML Schema标准对诊断资源进行描述,最后基于WSRF规范将故障诊断资源封装为Web服务-资源结构的诊断网格资源服务,屏蔽了故障诊断资源的复杂性和异构性,为实现网格环境解决诊断资源共享和协同工作提供资源封装层的方法支持。3)讨论了诊断任务管理系统的功能结构和工作流程,通过引入市场经济机制,提出基于市场经济机制的资源管理模型,给出了模型结构、步骤时序、故障诊断资源交易流程,以及相应的资源调度算法,并通过仿真实验验证了该模型的合理性。4)针对故障诊断知识的特点,选择基于元数据的面向对象方法进行诊断知识的表示,并采用改进的虚拟法对异构元数据进行融合,实现诊断知识的统一表示。在此基础上,根据远程协同故障诊断系统中知识的表现形式和分布情况,提出了基于元数据的故障诊断知识地图对诊断知识进行管理,提出了用元数据统一描述知识地图的方法,并通过数学模型的建立解释了知识地图构建的过程。5)最后以球轴承套圈磨削超精自动线为案例,在对磨超线远程协同故障诊断系统的目标与任务进行需求分析的基础上,以本文前述章节的研究为主体内容,建立了原型系统的角色划分和功能结构,并重点对其中的门户构件进行分析和设计。
二、远程分布式故障诊断系统的设计(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、远程分布式故障诊断系统的设计(论文提纲范文)
(1)分布式机电系统远程监测与管理平台设计及实现(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 分布式机电系统概述 |
1.3 分布式机电系统的远程监测与管理现状 |
1.3.1 远程监测与管理系统介绍 |
1.3.2 国内外研究现状 |
1.3.3 目前研究中存在的问题 |
1.4 研究内容及章节安排 |
1.4.1 本文研究内容 |
1.4.2 本文章节安排 |
2 分布式机电系统远程监测与管理技术及方法 |
2.1 分布式机电系统监测与管理结构 |
2.1.1 分布式机电系统监测功能需求 |
2.1.2 关键技术分析 |
2.2 虚拟仪器应用 |
2.2.1 Lab VIEW开发工具 |
2.2.2 Compact RIO控制器 |
2.2.3 System Link技术 |
2.3 总体框架设计及功能介绍 |
2.3.1 分布式机电系统远程监测硬件架构 |
2.3.2 分布式机电系统远程监测软件架构 |
2.4 本章小结 |
3 边缘节点在线监测功能开发 |
3.1 数据采集系统技术研究 |
3.1.1 基于c RIO的数据采集平台的实现 |
3.1.2 机电系统信号特点及采集设计 |
3.2 数据采集软件开发架构 |
3.3 系统配置模块 |
3.3.1 登录模块 |
3.3.2 硬件参数配置 |
3.3.3 采集参数设计 |
3.4 边缘节点采集系统功能实现 |
3.4.1 嵌入式FPGA开发 |
3.4.2 RT程序设计 |
3.4.3 传感器标定及数据转换 |
3.4.4 上位机程序设计 |
3.4.5 数据通信 |
3.4.6 数据存储与回放 |
3.5 本章小结 |
4 边缘节点数据预处理方法 |
4.1 基本理论 |
4.1.1 一阶差分法 |
4.1.2 变分模态分解 |
4.1.3 相关性分析 |
4.2 基于最优VMD的预处理方法 |
4.2.1 最优K值确定 |
4.2.2 预处理流程 |
4.2.3 预处理性能指标 |
4.3 预处理方法仿真分析 |
4.4 本章小结 |
5 远程监测与管理平台设计 |
5.1 远程监测与管理平台搭建 |
5.1.1 基于System Link的远程监测平台的实现 |
5.1.2 远程系统通信 |
5.2 基于System Link的远程监测设计 |
5.2.1 Lab VIEW程序设计 |
5.2.2 网页化数据显示设计 |
5.3 基于System Link的远程管理设计 |
5.3.1 设备管理 |
5.3.2 软件管理 |
5.4 本章小结 |
6 基于实验室机电设备的测试与验证 |
6.1 测试环境搭建 |
6.1.1 实验环境搭建 |
6.1.2 机电设备概况 |
6.2 数据采集与传输验证 |
6.3 边缘节点信号预处理 |
6.4 远程监测功能实现 |
6.5 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
附录 攻读硕士学位期间取得的研究成果 |
致谢 |
(2)时序故障数据智能分析系统的设计与实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景与意义 |
1.2 国内外相关工作研究进展 |
1.3 课题主要研究内容 |
1.4 论文结构 |
2 基础理论 |
2.1 大数据技术 |
2.1.1 Hadoop大数据框架 |
2.1.2 Flume分布式日志收集平台 |
2.1.3 Kafka分布式流平台 |
2.2 深度信念网络模型 |
2.3 轴承信号传统诊断方法 |
2.4 本章小结 |
3 系统分析 |
3.1 系统功能需求分析 |
3.2 系统可行性分析 |
3.3 系统非功能需求 |
3.4 本章小节 |
4 智能故障诊断模型的研究 |
4.1 信号预处理方法 |
4.1.1 多尺度处理 |
4.1.2 基于VMD分解的平稳化处理 |
4.2 特征提取过程 |
4.2.1 神经元个数确定过程 |
4.2.2 特征提取过程 |
4.3 特征识别分类过程 |
4.4 方法总结 |
4.5 实验过程 |
4.5.1 数据源选择 |
4.5.2 预处理过程 |
4.5.3 特征学习与识别过程 |
4.5.4 实验结论 |
4.5.5 不同模型对比 |
4.5.6 参数的选择 |
4.6 本章小结 |
5 系统设计 |
5.1 系统架构设计 |
5.2 整体模型设计 |
5.2.1 数据采集层设计 |
5.2.2 数据储存层设计 |
5.2.3 数据处理层设计 |
5.2.4 数据展示层设计 |
5.3 整体检测流程设计 |
5.4 集群搭建设计 |
5.5 数据库设计 |
5.6 本章小结 |
6 系统的实现与测试 |
6.1 系统实现 |
6.1.1 数据采集层实现 |
6.1.2 数据展示层实现 |
6.2 系统测试 |
6.3 本章小结 |
结论 |
参考文献 |
致谢 |
(3)基于无监督学习的汽车动力故障诊断系统设计与实现(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 汽车动力数据采集技术相关研究 |
1.2.2 汽车动力故障诊断算法相关研究 |
1.2.3 汽车动力故障诊断软件相关研究 |
1.3 本文工作和章节安排 |
2 汽车动力故障诊断系统相关技术介绍 |
2.1 汽车动力系统介绍 |
2.2 JT/T 808通信协议介绍 |
2.3 相关神经网络介绍 |
2.3.1 卷积神经网络 |
2.3.2 卷积长短时记忆网络 |
2.3.3 自编码网络 |
2.4 分布式流平台介绍 |
2.5 本章小结 |
3 汽车动力故障诊断系统整体架构设计 |
3.1 系统设计目标 |
3.2 整体架构设计 |
3.2.1 分布式汽车动力数据采集设备 |
3.2.2 基于无监督学习的汽车动力故障诊断算法 |
3.2.3 实时汽车动力故障诊断云平台 |
3.3 本章小结 |
4 分布式汽车动力数据采集设备设计与实现 |
4.1 硬件设计与实现 |
4.1.1 电路图设计 |
4.1.2 PCB制版 |
4.1.3 集群组建 |
4.2 软件设计与实现 |
4.2.1 配置信息管理 |
4.2.2 分布式集群时钟同步 |
4.2.3 主程序运行流程 |
4.3 设备性能测试 |
4.4 本章小结 |
5 基于无监督学习的汽车动力故障诊断算法设计与实现 |
5.1 汽车动力时序数据预处理 |
5.1.1 汽车动力时序数据集 |
5.1.2 汽车动力数据清洗 |
5.1.3 汽车动力相关矩阵计算 |
5.2 汽车动力时序相关矩阵重建 |
5.2.1 卷积记忆自编码网络设计与实现 |
5.2.2 卷积记忆自编码网络结构分析 |
5.2.3 卷积记忆自编码网络训练 |
5.3 汽车动力故障检测与定位 |
5.4 算法性能测试 |
5.5 本章小结 |
6 实时汽车动力故障诊断云平台设计与实现 |
6.1 数据传发模块设计与实现 |
6.1.1 JT/T 808设备接入节点 |
6.1.2 Kafka流平台 |
6.2 故障诊断模块设计与实现 |
6.3 其他模块设计与实现 |
6.4 实时汽车动力故障诊断云平台部署与性能测试 |
6.4.1 实时汽车动力故障诊断云平台部署 |
6.4.2 实时汽车动力故障诊断云平台性能测试 |
6.5 本章小结 |
7 总结和展望 |
7.1 本文工作总结 |
7.2 未来工作展望 |
参考文献 |
作者简历 |
(4)电牵引采煤机分布式控制系统的研究与开发(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论(Introduction) |
1.1 世界电牵引采煤机发展概述(Development of the World Electric Haulage Shearer) |
1.2 太矿电牵引采煤机及其电控系统的发展历程(Development History of the Company's Electric Haulage Shearer and its Electronic Control System) |
1.3 电牵引采煤机及其控制系统的未来发展趋势(Future Development Trend of Electric Haulage Shearer and its Control System) |
1.4 本文主要研究内容(The Main Work of this Article) |
2 采煤机分布式控制系统的架构设计与开发(Research and Development of Distributed Control System for Shearer) |
2.1 采煤机分布式控制系统的总体架构(The Overall Architecture of the Distributed Control System of the Shearer) |
2.2 采煤机分布式控制网络模型(Distributed Control Network Model for Coal Shearer) |
2.3 采煤机分布式电控系统总体功能设计( The Overall Functional Design of Shearer Distributed Electronic Control System) |
3 基于CAN总线的控制器的研发与检测(Development and Test of CAN Bus Controller) |
3.1 可编程逻辑控制器PLC的应用经验(Experience in PLC Application) |
3.2 主控制器的技术参数(Technical Parameters of the Master Controller) |
3.3 从控制器的技术参数(Technical Parameters of the Secondary Controller) |
3.4 控制器软件设计(Software Design of Controller) |
3.5 控制器的可靠性(The Reliability of the Controller is Defined) |
3.6 控制器的检测及检验(Controller Test and Inspection) |
4 分布式监控模块的开发(Development of Distributed Monitoring Module) |
4.1 分布式模块的研究(The Research of the Distributed Module) |
4.2 分布式模块的可靠性测试(Reliability Testing of Distributed Modules) |
5 状态监测与故障诊断系统研究(Research on Multi-sensor Information Fusion Technology and Fault Diagnosis) |
5.1 采煤机故障及诊断技术存在的主要问题(Main Problems of Shearer Fault and Diagnosis Technology) |
5.2 基于CAN总线的采煤机状态监测及故障诊断系统设计与研制(Design and Development of a Shearer Condition Monitoring and Fault Diagnosis System Based on CAN Bus) |
5.3 采煤机远程诊断系统设计(Design of the Remote Diagnosis System of the Shearer) |
6 采煤机智能化功能设计与实现(Intelligent Design of Distributed Control System Based on Shearer) |
6.1 滚筒高度自动调节技术(Roller Height Automatic Adjustment Technology) |
6.2 牵引速度自动调节技术(Automatic Haulage Speed Adjustment Technology) |
6.3 基于地理信息系统(GIS)的采煤机定位与煤层识别技术(Shearer Positioning and Coal Seam Identification Technology Based on Geographic Information System (GIS)) |
6.4 基于TD-LTE制式的采煤机无线数据传输系统(Wireless Data Transmission System of Shearer Based on TD-LTE) |
7 结论与展望(Conclusion and Expectation ) |
7.1 结论(Conclusion) |
7.2 展望(Expectation) |
参考文献 |
附录 |
作者简历 |
学位论文数据集 |
(5)制造装备远程监控故障诊断系统研究(论文提纲范文)
摘要 |
Abstract |
目录 |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.1.1 机械制造装备在国民经济中的重要作用 |
1.1.2 机械制造装备故障诊断的意义 |
1.1.3 机械制造装备远程故障诊断的意义 |
1.2 机械制造装备远程故障诊断研究的主要内容 |
1.2.1 监控诊断系统架构研究 |
1.2.2 诊断技术方法研究 |
1.2.3 远程故障诊断发展趋势 |
1.3 制造装备远程故障国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 论文研究内容及结构说明 |
1.4.1 课题来源 |
1.4.2 研究范畴 |
1.4.3 课题特点 |
1.4.4 内容安排 |
1.5 本章小结 |
第2章 远程监控故障诊断系统结构设计 |
2.1 远程监控故障诊断系统结构及功能组成 |
2.1.1 远程监控故障诊断系统结构 |
2.1.2 远程监控故障诊断系统功能组成 |
2.2 远程监控故障诊断系统中的关键实现技术 |
2.2.1 实时数据服务功能 |
2.2.2 融合诊断方法及层次诊断功能 |
2.3 本章小结 |
第3章 实时数据服务平台技术研究 |
3.1 实时数据服务平台结构功能 |
3.1.1 数据服务平台结构组成 |
3.1.2 RDSP实时事务管理功能 |
3.2 实时数据管理模型 |
3.2.1 实时数据检索方法选择 |
3.2.2 RDSP散列映射表检索实现方法 |
3.2.3 历史数据管理功能 |
3.3 RDSP实时数据采集提取功能 |
3.3.1 制造装备现场信息采集内容 |
3.3.2 CNC控制器采集功能实现 |
3.3.3 PLC系统采集功能实现 |
3.4 实时数据服务功能 |
3.4.1 实时数据服务模型 |
3.4.2 远程数据服务实现过程 |
3.5 本章小结 |
第4章 制造装备融合诊断方法研究 |
4.1 EMID融合诊断原理 |
4.1.1 制造装备故障基本特征 |
4.1.2 制造装备诊断的比照特点 |
4.1.3 融合层次诊断模型结构 |
4.2 基于结构-故障树的诊断知识表述 |
4.2.1 原理性诊断知识方法组织 |
4.2.2 经验性诊断知识方法组织 |
4.2.3 数控机床结构-故障树诊断知识组织过程 |
4.2.4 基于结构-故障树的诊断流程 |
4.3 基于过程知识引导的故障诊断方法 |
4.3.1 装备故障诊断的过程性知识 |
4.3.2 CNC装备的诊断过程知识表述 |
4.3.3 基于过程性知识引导诊断过程 |
4.4 基于特征引导的故障诊断过程 |
4.4.1 装备故障的特征知识 |
4.4.2 基于特征知识引导的故障诊断原理 |
4.4.3 模糊蕴含推理 |
4.4.4 特征引导方法实现过程 |
4.5 基于数据引导的知识发现及故障诊断 |
4.5.1 诊断原理 |
4.5.2 诊断知识发现过程 |
4.6 本章小结 |
第5章 故障诊断系统中层次诊断功能研究 |
5.1 现场层基于原理知识实时诊断功能 |
5.1.1 现场实时诊断必要性 |
5.1.2 实时诊断功能组织 |
5.1.3 实时诊断功能实现 |
5.2 分布式诊断系统协同模型 |
5.2.1 系统结构 |
5.2.2 分布式诊断协同管理功能 |
5.2.3 协同诊断中的冲突消解 |
5.3 协同诊断中的评价机制 |
5.3.1 评价因素确定 |
5.3.2 模糊层次分析方法 |
5.3.3 模糊层次综合评价过程 |
5.4 本章小结 |
第6章 远程监控故障诊断原型系统实现与应用 |
6.1 现场设备信息采集/远程监控功能实现 |
6.1.1 CNC设备的信息采集与远程监控 |
6.1.2 PLC设备信息的采集与远程监控 |
6.2 EMID功能实现 |
6.2.1 RDSP服务器功能 |
6.2.2 RDSP客户端 |
6.2.3 EMID融合诊断功能 |
6.2.4 连续过程生产系统远程监控及实时诊断 |
6.3 本章小结 |
第7章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
致谢 |
攻读博士学位期间发表的学术论文及科研情况 |
作者简介 |
(6)一种基于多Agent远程分布式故障诊断系统模型(论文提纲范文)
1 引言 |
2 Agent和多Agent理论 |
2.1 Agent的概念、特性及内部结构 |
2.2 Muti-Agent系统 |
3 基于多Agent远程分布式故障诊断系统模型的构建 |
3.1 远程分布式故障诊断系统的基本结构 |
3.2 远程故障诊断的工作原理 |
3.3 基于多Agent远程分布式故障诊断系统模型 |
3.4 多Agent远程分布式故障诊断系统的工作流程 |
4 结语 |
(7)棉纺机分布式远程诊断系统的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究的目的和意义 |
1.3 国内外发展现状 |
1.3.1 国外发展状况 |
1.3.2 国内发展状况 |
1.4 作者的主要工作 |
1.5 论文结构与内容安排 |
第2章 相关原理及理论基础 |
2.1 远程监控原理 |
2.2 专家系统原理 |
2.3 分布式远程故障的理论基础 |
2.3.1 分布式系统理论基础 |
2.3.2 故障诊断理论基础 |
2.4 本章小结 |
第3章 系统的总体设计 |
3.1 棉纺机远程故障诊断系统需求 |
3.2 远程故障系统分类 |
3.2.1 基于C/S 的远程故障诊断系统 |
3.2.2 基于C/S 的远程故障诊断系统的缺点 |
3.2.3 基于B/S 的远程故障诊断系统 |
3.2.4 基于B/S 的远程故障诊断系统的优点 |
3.3 系统设计 |
3.3.1 软件的总体和功能设计 |
3.3.2 系统数据流 |
3.3.3 主要模块数据流 |
3.4 本章小结 |
第4章 故障诊断模块的设计 |
4.1 故障诊断模块的需求分析 |
4.2 故障诊断模块的业务逻辑 |
4.3 专家系统的判定方法 |
4.4 环境的选取 |
4.5 J2EE 框架 |
4.6 本章小结 |
第5章 故障诊断模块的实现 |
5.1 UML 建模过程 |
5.2 接口和实现类的实现过程 |
5.2.1 远程接口的实现 |
5.2.2 实现类的实现 |
5.2.3 本地接口的实现 |
5.3 本章小结 |
第6章 故障诊断模块的应用 |
6.1 系统的整体部署 |
6.2 故障诊断模块的测试用例 |
6.3 故障诊断模块的运行情况 |
6.4 本章小结 |
第7章 总结与展望 |
7.1 工作总结 |
7.2 工作展望 |
参考文献 |
致谢 |
(8)分布式资源环境下船舶动力设备诊断系统的关键技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 国内外研究现状 |
1.2 研究目的和意义 |
1.3 课题来源 |
1.4 本文研究的主要内容 |
第2章 分布式资源环境的体系与构建 |
2.1 构建分布式资源环境的意义 |
2.1.1 船用动力设备监测诊断现状 |
2.1.2 分布式资源环境的定义 |
2.1.3 分布式资源系统的研究意义 |
2.2 分布式资源环境的角色与体系 |
2.2.1 分布式资源环境的角色 |
2.2.2 分布式资源环境的结构 |
2.3 分布式资源环境的创建 |
2.3.1 资源的分类 |
2.3.2 资源的描述 |
2.3.3 分布式资源环境创建的步骤 |
2.3.4 资源服务的计费 |
2.4 本章小结 |
第3章 状态监测数据的获取与集成 |
3.1 检测数据获取的体系结构 |
3.1.1 分析仪器设备的特征分类 |
3.1.2 网络体系结构设计 |
3.2 串口型仪器的具体采集方法 |
3.2.1 仪器通信协议 |
3.2.2 软件流程 |
3.2.3 关键程序 |
3.3 自带计算机型仪器的采集方法 |
3.3.1 基于文件夹监控的数据自动获取 |
3.3.2 基于消息的仪器数据自动获取 |
3.4 仪器数据文件格式的解析方法 |
3.4.1 已有的算法 |
3.4.2 基于聚类分析的算法 |
3.5 船载监测数据的集成 |
3.5.1 数据集成的意义及难点 |
3.5.2 数据集成的方案 |
3.6 本章小结 |
第4章 故障诊断中的数据挖掘应用 |
4.1 数据挖掘在监测诊断中的应用 |
4.1.1 数据挖掘的发展 |
4.1.2 主要挖掘方法 |
4.1.3 数据挖掘的主要步骤 |
4.1.4 数据挖掘获得诊断知识 |
4.2 聚类分析谱系图生成方法 |
4.2.1 聚类的基本理论 |
4.2.2 谱系图生成算法 |
4.2.3 应用示例 |
4.2.4 实际运行效果 |
4.3 分析基线判据获取 |
4.3.1 正态分布法 |
4.3.2 最大熵方法 |
4.3.3 最大熵方法的思考 |
4.3.4 获取判据基线值 |
4.4 基于反射技术的可扩展数据挖掘系统 |
4.4.1 可扩展式系统的含义 |
4.4.2 反射技术原理 |
4.4.3 挖掘系统的扩展方法 |
4.5 本章小结 |
第5章 诊断知识表示与匹配方法 |
5.1 知识表示 |
5.2 知识表达方法 |
5.2.1 确定性知识表达方法 |
5.2.2 模糊性知识表达方法 |
5.3 状态识别领域的知识特征 |
5.3.1 诊断知识示例 |
5.3.2 判断规则知识特征分析 |
5.4 产生式规则的存储 |
5.4.1 知识的逻辑形式 |
5.4.2 存储结构设计 |
5.5 规则知识的匹配利用 |
5.5.1 监测数据特征 |
5.5.2 现有的匹配方法 |
5.5.3 可扩充匹配方法 |
5.6 神经网络的知识存储与利用 |
5.6.1 神经网络原理 |
5.6.2 神经网络的存储 |
5.6.3 神经网络的利用 |
5.7 本章小结 |
第6章 分布式资源环境下的远程知识服务 |
6.1 故障诊断中的知识服务 |
6.1.1 知识服务 |
6.1.2 故障诊断中的应用形式 |
6.2 远程知识服务的支撑技术 |
6.2.1 软件服务 |
6.2.2 Web Services技术体系 |
6.2.3 Web Services注册与发现 |
6.3 Web服务实现 |
6.3.1 Web服务的创建与发布 |
6.3.2 远程服务的调用 |
6.4 本章小结 |
第7章 分布式资源环境系统设计与开发 |
7.1 系统设计 |
7.1.1 功能目标设计 |
7.1.2 系统数据库设计 |
7.2 系统实现 |
7.3 本章小结 |
第8章 结论与展望 |
8.1 主要成果和结论 |
8.2 创新点 |
8.3 研究展望 |
致谢 |
参考文献 |
攻读博士期间发表的主要论文及参加的科研项目 |
(9)电脑针织横机远程故障诊断系统研究与实现(论文提纲范文)
摘要 |
Abstract |
目录 |
第一章 概述 |
1.1 研究背景 |
1.2 研究的目的及意义 |
1.3 研究的内容及创新点 |
第二章 论文的相关原理 |
2.1 模糊诊断专家系统 |
2.1.1 专家系统的理论知识 |
2.1.2 模糊的知识表示及其应用 |
2.1.3 模糊专家系统的结构 |
2.2 网络传输的服务质量 |
2.2.1 服务质量模型 |
2.2.2 网络通信中的信令传输 |
2.3 小结 |
第三章 电脑针织横机工作原理及常见故障研究 |
3.1 电脑针织横机工作原理 |
3.2 电脑针织横机常见故障分类及故障诊断需求分析 |
3.2.1 针织横机常见故障分类及解决方案 |
3.2.2 针织横机常见故障诊断需求分析及数据采集 |
3.3 小结 |
第四章 电脑针织横机远程故障诊断系统的设计 |
4.1 电脑针织横机远程故障诊断系统的结构设计 |
4.2 基于J2EE平台的远程诊断系统设计 |
4.2.1 J2EE平台 |
4.2.2 电脑针织横机远程故障诊断系统设计 |
4.3 小结 |
第五章 故障诊断模块的设计与实现 |
5.1 故障诊断EJB的工作流程 |
5.2 电脑针织横机远程故障诊断专家系统中的故障判定算法 |
5.3 推理判定模块的实现 |
5.3.1 UML建模 |
5.3.2 业务层实现 |
5.3.2.1 推理判定Bean远程接口开发 |
5.3.2.2 推理判定Bean实现类开发 |
5.3.2.3 推理判定Bean本地接口开发 |
5.3.2.4 推理判定Bean主键类开发 |
5.4 小结 |
第六章 通信模块的设计与实现 |
6.1 通信EJB的工作流程 |
6.2 基于接入控制的系统设计方案 |
6.3 基于接入控制的QoS系统拥塞控制模型 |
6.4 基于接入控制的QoS系统仿真 |
6.5 通信模块的实现 |
6.5.1 UML建模 |
6.5.2 业务层实现 |
6.5.2.1 拥塞控制Bean远程接口开发 |
6.5.2.2 拥塞控制Bean实现类开发 |
6.5.2.3 拥塞控制Bean本地接口开发 |
6.5.2.4 拥塞控制Bean主键类开发 |
6.6 小结 |
第七章 电脑针织横机远程故障诊断系统实现 |
7.1 环境的选择 |
7.2 应用服务器的安装和配置 |
7.3 应用程序在SUN ONE上的部署 |
7.3.1 部署Web应用(WAR)模块 |
7.3.2 部署EJB JAR模块 |
7.4 系统运行测试 |
7.5 小结 |
第八章 总结与展望 |
8.1 本文总结 |
8.2 工作展望 |
参考文献 |
附录 |
致谢 |
(10)基于网格的远程协同诊断系统的研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
致谢 |
第一章 绪论 |
1.1 远程协同诊断基本概念及研究意义 |
1.2 远程协同诊断的发展趋势 |
1.3 引入网格技术实现远程协同诊断的意义 |
1.4 相关研究现状 |
1.4.1 智能故障诊断 |
1.4.2 远程故障诊断 |
1.4.3 网格技术 |
1.5 主要研究工作及论文章节安排 |
第二章 基于网格的远程协同诊断系统架构研究 |
2.1 复杂设备故障诊断的内涵及其诊断原理 |
2.1.1 复杂设备结构的分层描述及其必要定义 |
2.1.2 故障描述及其特征 |
2.1.3 故障诊断的概念及内容 |
2.2 基于网格的远程协同故障诊断的特征 |
2.2.1 基于网格的远程协同故障诊断模式 |
2.2.2 基于网格的远程协同故障诊断的特征 |
2.3 基于网格的远程协同诊断系统架构 |
2.3.1 工作原理 |
2.3.2 功能结构 |
2.3.3 体系架构 |
2.4 系统关键技术 |
2.4.1 诊断资源的建模与服务化封装 |
2.4.2 诊断任务的分解与资源管理 |
2.4.3 基于知识的智能诊断 |
2.5 本章小结 |
第三章 诊断资源表示模型与服务化封装 |
3.1 诊断资源表示模型 |
3.1.1 基于服务内容的诊断资源分类 |
3.1.2 基于UML诊断资源分类模型 |
3.1.3 诊断资源分类模型的描述 |
3.2 基于XML SCHEMA和WSRF的诊断资源服务化封装模型框架 |
3.3 实例分析 |
3.4 本章小结 |
第四章 诊断任务管理及资源调度方法 |
4.1 任务管理模型构建 |
4.1.1 任务管理功能结构 |
4.1.2 任务管理工作流程 |
4.2 资源管理模型 |
4.2.1 市场经济机制的引入 |
4.2.2 基于市场经济的远程协同故障诊断资源管理模型 |
4.2.3 基于市场经济的资源管理模型的信息交互 |
4.2.4 基于网格的故障诊断资源交易流程 |
4.3 故障诊断资源调度策略 |
4.3.1 Min_min调度算法 |
4.3.2 调度目标的确立 |
4.3.3 故障诊断资源调度Market_Min_min算法 |
4.3.4 GirdSim简介仿真实验及结果 |
4.4 本章小结 |
第五章 基于知识的智能诊断 |
5.1 问题的引入 |
5.2 诊断知识的分类及特点 |
5.2.1 诊断知识的分类与层次 |
5.2.2 诊断知识的特点 |
5.3 诊断知识的统一表示 |
5.3.1 诊断知识元数据树 |
5.3.2 诊断知识表示 |
5.3.3 异构元数据融合过程 |
5.3.4 元数据融合数学模型 |
5.3.5 元数据融合检验 |
5.4 知识搜索与管理 |
5.4.1 故障诊断知识与知识地图 |
5.4.2 诊断知识地图的元数据描述 |
5.4.3 故障诊断知识地图的构建 |
5.5 本章小结 |
第六章 磨超线远程协同诊断系统开发与实现 |
6.1 精品球轴承套圈磨削超精自动线概况 |
6.1.1 磨超线的组成与结构 |
6.1.2 磨超线工作原理 |
6.1.3 磨超线故障检测与控制参数提取 |
6.2 磨超线远程故障诊断原型系统总体方案 |
6.2.1 原型系统设计目标及任务 |
6.2.2 系统角色划分 |
6.2.3 系统功能结构 |
6.3 门户构件设计 |
6.3.1 功能设计 |
6.3.2 运行环境 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 本文的创新处 |
7.3 下一步工作 |
参考文献 |
攻读博士学位期间发表的论文 |
攻读博士期间主持的课题、获得的奖励和发明专利 |
四、远程分布式故障诊断系统的设计(论文参考文献)
- [1]分布式机电系统远程监测与管理平台设计及实现[D]. 张向向. 西安建筑科技大学, 2021(01)
- [2]时序故障数据智能分析系统的设计与实现[D]. 崔利欢. 大连理工大学, 2021(01)
- [3]基于无监督学习的汽车动力故障诊断系统设计与实现[D]. 宋超超. 浙江大学, 2021(01)
- [4]电牵引采煤机分布式控制系统的研究与开发[D]. 王雪松. 中国矿业大学, 2020(03)
- [5]制造装备远程监控故障诊断系统研究[D]. 王海. 东北大学, 2012(07)
- [6]一种基于多Agent远程分布式故障诊断系统模型[J]. 李军虎. 计算机与数字工程, 2011(06)
- [7]棉纺机分布式远程诊断系统的研究[D]. 解丹. 吉林大学, 2011(09)
- [8]分布式资源环境下船舶动力设备诊断系统的关键技术研究[D]. 刘杰. 武汉理工大学, 2010(11)
- [9]电脑针织横机远程故障诊断系统研究与实现[D]. 刘庆. 东华大学, 2010(08)
- [10]基于网格的远程协同诊断系统的研究与实现[D]. 吴宗彦. 合肥工业大学, 2009(06)