煤矿设备点检系统的优化设计与实现
| 摘要 | 第2-3页 |
| ABSTRACT | 第3-4页 |
| 1 绪论 | 第7-13页 |
| 1.1 课题研究背景及意义 | 第7-9页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-12页 |
| 1.2.1 设备点检管理系统研究现状 | 第9-10页 |
| 1.2.2 点检路线优化技术研究现状 | 第10-11页 |
| 1.2.3 设备状态趋势预测研究现状 | 第11-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 2 系统框架 | 第13-19页 |
| 2.1 系统架构 | 第13-14页 |
| 2.1.1 系统网络架构 | 第13页 |
| 2.1.2 系统业务逻辑架构 | 第13-14页 |
| 2.2 系统功能模块优化 | 第14-18页 |
| 2.2.1 煤矿企业问题分析 | 第14-15页 |
| 2.2.2 系统功能发展 | 第15-17页 |
| 2.2.3 系统功能优化设计 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 基于遗传算法的设备点检路线优化 | 第19-32页 |
| 3.1 存在问题分析 | 第19-20页 |
| 3.2 点检路线优化问题 | 第20-22页 |
| 3.2.1 约束条件 | 第20-21页 |
| 3.2.2 点检因素 | 第21-22页 |
| 3.3 点检路线优化建模 | 第22-23页 |
| 3.4 基于遗传算法的模型求解 | 第23-31页 |
| 3.4.1 构造群体 | 第25页 |
| 3.4.2 编码方案 | 第25-26页 |
| 3.4.3 设计算子 | 第26-27页 |
| 3.4.4 适应度函数 | 第27-28页 |
| 3.4.5 实例验证 | 第28-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 设备状态趋势预测 | 第32-44页 |
| 4.1 趋势预测技术 | 第32-34页 |
| 4.1.1 趋势预测技术概述 | 第32-33页 |
| 4.1.2 基于数据的趋势预测方法分析 | 第33-34页 |
| 4.2 小波神经网络 | 第34-37页 |
| 4.2.1 小波神经网络理论 | 第34-36页 |
| 4.2.2 预测模型建立 | 第36-37页 |
| 4.3 灰色预测模型 | 第37-40页 |
| 4.3.1 灰色预测 | 第37页 |
| 4.3.2 预测模型建立 | 第37-40页 |
| 4.4 实例验证 | 第40-43页 |
| 4.4.1 小波神经网络实例验证 | 第40-41页 |
| 4.4.2 灰色模型实例验证 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 5 系统优化设计与实现 | 第44-54页 |
| 5.1 系统开发关键技术 | 第44页 |
| 5.2 系统关键部分设计 | 第44-46页 |
| 5.2.1 点检路线优化功能 | 第44-45页 |
| 5.2.2 状态趋势预测功能 | 第45-46页 |
| 5.3 算法库设计 | 第46页 |
| 5.4 点检系统数据库 | 第46-50页 |
| 5.4.1 数据模型建立 | 第47页 |
| 5.4.2 数据字典 | 第47-50页 |
| 5.5 系统实现及测试 | 第50-52页 |
| 5.5.1 运行环境配置 | 第50-51页 |
| 5.5.2 系统实现及运行 | 第51-52页 |
| 5.6 本章小结 | 第52-54页 |
| 6 结论与展望 | 第54-55页 |
| 6.1 结论 | 第54页 |
| 6.2 展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60页 |
