| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 风机诊断与监测系统国内外发展状况 | 第10-11页 |
| 1.3 云计算的研究现状 | 第11-12页 |
| 1.4 论文的主要研究内容 | 第12-14页 |
| 第2章 相关技术介绍 | 第14-28页 |
| 2.1 风机常见故障及诊断方法 | 第14-21页 |
| 2.1.1 风机类型 | 第14-15页 |
| 2.1.2 风机主要故障来源 | 第15-16页 |
| 2.1.3 风机常见故障 | 第16-18页 |
| 2.1.4 风机故障诊断方法 | 第18-21页 |
| 2.2 云计算及关键技术 | 第21-27页 |
| 2.2.1 云计算的服务模式 | 第21-22页 |
| 2.2.2 Hadoop | 第22-23页 |
| 2.2.3 HBase分布式数据库 | 第23-24页 |
| 2.2.4 MapReduce概述 | 第24-25页 |
| 2.2.5 HDFS分布式文件系统 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 人工鱼群算法在风机故障诊断中的应用 | 第28-39页 |
| 3.1 小波熵理论的研究 | 第28-29页 |
| 3.2 模糊RBF神经网络 | 第29-34页 |
| 3.2.1 模糊推理 | 第29-30页 |
| 3.2.2 RBF神经网络 | 第30-31页 |
| 3.2.3 模糊RBF神经网络 | 第31-34页 |
| 3.3 人工鱼群基本理论概述 | 第34-38页 |
| 3.3.1 人工鱼群算法基本概述 | 第34-35页 |
| 3.3.2 人工鱼算法的改进 | 第35-37页 |
| 3.3.3 基于鱼群的模糊RBF神经网络算法的实现 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 云平台搭建及实验分析 | 第39-48页 |
| 4.1 Hadoop安装与配置 | 第39-46页 |
| 4.1.1 Java的安装 | 第39-40页 |
| 4.1.2 安装并配置SSH免密码登录 | 第40-41页 |
| 4.1.3 安装并运行Hadoop | 第41-46页 |
| 4.2 HDFS基本文件常用命令设置 | 第46-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第5章 基于云计算的风机远程故障监测 | 第48-56页 |
| 5.1 需求分析 | 第48-49页 |
| 5.1.1 云计算在风机故障监测中的优势 | 第48-49页 |
| 5.1.2 故障监测系统设计原则 | 第49页 |
| 5.2 基于云计算的风机远程故障监测模型 | 第49-52页 |
| 5.2.1 系统功能实现 | 第50-52页 |
| 5.3 实验验证 | 第52-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 导师简介 | 第62页 |
| 企业导师简介 | 第62-63页 |
| 作者简介 | 第63-64页 |
| 学位论文数据集 | 第64页 |