堆垛机健康状态的大数据分析研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 论文的研究背景和意义 | 第7-8页 |
| 1.1.1 选题的背景 | 第7-8页 |
| 1.1.2 选题的意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 堆垛机健康状态监测在国内外的研究现状 | 第8-11页 |
| 1.2.2 大数据技术在国内外的研究现状 | 第11-12页 |
| 1.3 论文研究的主要内容和技术方法 | 第12-15页 |
| 1.3.1 论文研究主要内容 | 第12-13页 |
| 1.3.2 论文的技术方法及路线 | 第13-14页 |
| 1.3.3 论文的创新点 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 堆垛机健康状态监测方法研究 | 第16-33页 |
| 2.1 相关理论 | 第16-23页 |
| 2.1.1 设备健康状态监测技术 | 第16-19页 |
| 2.1.2 大数据基础理论 | 第19-23页 |
| 2.2 堆垛机常见故障分析 | 第23-25页 |
| 2.2.1 堆垛机介绍 | 第23-24页 |
| 2.2.2 堆垛机常见故障 | 第24-25页 |
| 2.3 堆垛机健康状态评价指标选择 | 第25-27页 |
| 2.4 堆垛机健康状态评价算法选择 | 第27-28页 |
| 2.5 模糊综合评价模型 | 第28-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 堆垛机健康状态监测节点部署与数据采集 | 第33-39页 |
| 3.1 引言 | 第33页 |
| 3.2 堆垛机健康状态监测节点部署 | 第33-36页 |
| 3.2.1 堆垛机分布情况及结构介绍 | 第33-34页 |
| 3.2.2 监测节点部署 | 第34-36页 |
| 3.3 监测数据采集与存储 | 第36-37页 |
| 3.3.1 本地服务器端数据采集与存储 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 健康状态分析的集群部署与健康状态评价模型 | 第39-52页 |
| 4.1 Hadoop集群平台部署 | 第39-44页 |
| 4.1.1 Hadoop安装部署 | 第39-44页 |
| 4.2 堆垛机健康状态分析模型 | 第44-50页 |
| 4.2.1 数据分析整体架构 | 第44-45页 |
| 4.2.2 健康状态评价模型的实现 | 第45-50页 |
| 4.3 本章小结 | 第50-52页 |
| 第五章 模型测试与分析 | 第52-59页 |
| 5.1 数据准备 | 第52页 |
| 5.2 监测数据预处理 | 第52-53页 |
| 5.3 健康状态评价模型处理数据 | 第53-58页 |
| 5.4 结果分析 | 第58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 本文总结 | 第59-60页 |
| 6.2 本文展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-78页 |
| 攻读学位期间发表的学术论文及科研情况 | 第78-79页 |
| 致谢 | 第79页 |
