大型设备监控数据的处理及应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究目的和意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.3.1 设备监控技术的发展状况 | 第15页 |
| 1.3.2 工程车辆监控的发展状况 | 第15-16页 |
| 1.3.3 数据挖掘的发展状况 | 第16-17页 |
| 1.3.4 神经网络的发展 | 第17-18页 |
| 1.4 论文系统设计 | 第18-19页 |
| 1.5 论文的结构安排 | 第19-21页 |
| 第二章 数据接收和平台监控 | 第21-40页 |
| 2.1 数据接收协议 | 第21-22页 |
| 2.2 AD值与实际物理量之间的转化关系 | 第22-29页 |
| 2.2.1 多项式拟合的基本原理 | 第23页 |
| 2.2.2 水温数据处理 | 第23-24页 |
| 2.2.3 油量数据处理 | 第24-25页 |
| 2.2.4 油压数据处理 | 第25-27页 |
| 2.2.5 转速数据处理 | 第27-29页 |
| 2.3 数据存储 | 第29-30页 |
| 2.4 网站平台监控 | 第30-39页 |
| 2.4.1 数据实时监控 | 第31-32页 |
| 2.4.2 机车设备管理 | 第32-33页 |
| 2.4.3 监控及报警展示 | 第33-36页 |
| 2.4.4 报表及台账管理 | 第36-37页 |
| 2.4.5 验证实验 | 第37-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第三章 数据预处理 | 第40-69页 |
| 3.1 数据预处理方法的分类 | 第40-45页 |
| 3.1.1 数据归一化方法 | 第40-41页 |
| 3.1.2 数据压缩 | 第41页 |
| 3.1.3 异常数据检测方法 | 第41-42页 |
| 3.1.4 空缺值处理 | 第42页 |
| 3.1.5 噪声数据处理方法 | 第42-45页 |
| 3.2 数据拼接 | 第45-47页 |
| 3.3 移动电站数据预处理 | 第47-64页 |
| 3.3.1 移动电站油量数据预处理 | 第48-57页 |
| 3.3.2 移动电站油压数据预处理 | 第57-59页 |
| 3.3.3 移动电站转速数据预处理 | 第59-61页 |
| 3.3.4 移动电站水温数据预处理 | 第61-62页 |
| 3.3.5 移动电站倾角数据预处理 | 第62-64页 |
| 3.4 吊管机数据预处理 | 第64-67页 |
| 3.4.1 吊管机油量数据预处理 | 第64-66页 |
| 3.4.2 吊管机油量之外其他数据预处理 | 第66-67页 |
| 3.5 本章小结 | 第67-69页 |
| 第四章 油耗模型的实验研究 | 第69-90页 |
| 4.1 油耗分析 | 第69-71页 |
| 4.1.1 移动电站油耗分析 | 第69-71页 |
| 4.1.2 吊管机油耗分析 | 第71页 |
| 4.2 神经网络模型 | 第71-79页 |
| 4.2.1 神经网络的分类简介 | 第72-73页 |
| 4.2.2 人工神经元模型 | 第73-74页 |
| 4.2.3 常用激活函数 | 第74-75页 |
| 4.2.4 BP神经网络 | 第75-79页 |
| 4.3 油耗的BP神经网络模型的建立 | 第79-89页 |
| 4.3.1 确定模型的网络结构 | 第79-81页 |
| 4.3.2 样本数据处理 | 第81页 |
| 4.3.3 不同算法模型对比 | 第81-84页 |
| 4.3.4 分组建模及验证 | 第84-89页 |
| 4.4 本章小结 | 第89-90页 |
| 第五章 总结与展望 | 第90-92页 |
| 5.1 课题总结 | 第90页 |
| 5.2 展望 | 第90-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-96页 |
