| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究背景 | 第12-13页 |
| 1.2 课题的国内外研究现状及发展动态 | 第13-17页 |
| 1.2.1 机械设备监测与诊断技术国外研究现状 | 第13-15页 |
| 1.2.2 机械设备监测与诊断技术国内研究现状 | 第15-17页 |
| 1.3 研究内容及意义 | 第17-20页 |
| 1.3.1 研究意义 | 第17页 |
| 1.3.2 主要研究内容 | 第17-20页 |
| 第2章 盾构机的工作机理及故障机理研究 | 第20-32页 |
| 2.1 盾构机的工作机理剖析 | 第20-24页 |
| 2.1.1 土压平衡盾构机简介 | 第20页 |
| 2.1.2 盾构机基本结构及子系统分析 | 第20-23页 |
| 2.1.3 盾构机的工作流程 | 第23-24页 |
| 2.2 目前盾构机监测的运行数据 | 第24-27页 |
| 2.2.1 数据采集途径 | 第24-25页 |
| 2.2.2 选择采集数据的种类 | 第25-27页 |
| 2.3 盾构机的故障机理研究 | 第27-30页 |
| 2.3.1 建立盾构机故障树 | 第27-28页 |
| 2.3.2 选取盾构机故障征兆信号 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 应用OPC技术与工业以太网采集盾构机实时数据 | 第32-54页 |
| 3.1 基于工业以太网的数据采集系统结构 | 第32-36页 |
| 3.1.1 集散型数据采集系统(DCS) | 第32-33页 |
| 3.1.2 监控与数据采集系统(SCADA) | 第33-35页 |
| 3.1.3 构建远程数据采集架构 | 第35-36页 |
| 3.2 OPC通信技术在采集过程中的应用 | 第36-43页 |
| 3.2.1 OPC通信技术 | 第36-38页 |
| 3.2.2 OPC数据访问对象与接口 | 第38-40页 |
| 3.2.3 OPC客户端的数据访问方式研究 | 第40-43页 |
| 3.3 数据采集的实现 | 第43-52页 |
| 3.3.1 OPC客户端与OPC服务器之间的交互 | 第43-44页 |
| 3.3.2 开发客户端前的需求分析和功能设计 | 第44-45页 |
| 3.3.3 OPC客户端的开发 | 第45-47页 |
| 3.3.4 客户端的界面展示 | 第47-49页 |
| 3.3.5 OPC客户端的测试 | 第49-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第4章 盾构机状态监测 | 第54-74页 |
| 4.1 盾构机状态监测准备 | 第54-57页 |
| 4.1.1 机构的状态监测简介 | 第54页 |
| 4.1.2 机构的状态监测分类 | 第54-55页 |
| 4.1.3 盾构机监测对象选择 | 第55-57页 |
| 4.2 盾构机远程监测系统设计 | 第57-59页 |
| 4.2.1 需求分析 | 第57-58页 |
| 4.2.2 系统功能模块设计 | 第58页 |
| 4.2.3 系统多层架构设计 | 第58-59页 |
| 4.3 系统设计相关理论及技术 | 第59-65页 |
| 4.3.1 选择系统架构B/S架构或C/S架构 | 第60-61页 |
| 4.3.2 ADO.NET数据库访问技术研究 | 第61-64页 |
| 4.3.3 上下限分析法 | 第64-65页 |
| 4.4 应用ASP.NET技术开发WEB监控界面 | 第65-72页 |
| 4.4.1 WEB程序的开发 | 第65-67页 |
| 4.4.2 网页的响应过程 | 第67页 |
| 4.4.3 监控系统界面 | 第67-72页 |
| 4.5 本章小结 | 第72-74页 |
| 第5章 PSO-BP神经网络在盾构机故障诊断中的应用 | 第74-100页 |
| 5.1 BP神经网络介绍 | 第74-86页 |
| 5.1.1 BP神经网络模型 | 第74-77页 |
| 5.1.2 BP神经网络负梯度下降学习算法 | 第77-83页 |
| 5.1.3 BP神经网络L-M学习算法 | 第83-85页 |
| 5.1.4 BP神经网络的局限性 | 第85-86页 |
| 5.2 改进PSO算法对BP神经网络的优化 | 第86-90页 |
| 5.2.1 PSO算法描述 | 第86-88页 |
| 5.2.2 PSO算法改进 | 第88页 |
| 5.2.3 改进PSO算法优化神经网络初始值 | 第88-90页 |
| 5.3 实验例证 | 第90-98页 |
| 5.3.1 动量项、自适应学习率对BP神经网络的影响 | 第91-94页 |
| 5.3.2 L-M算法的BP神经网络效果 | 第94-96页 |
| 5.3.3 改进PSO对L-M算法BP神经网络的影响 | 第96-98页 |
| 5.4 本章小结 | 第98-100页 |
| 第6章 结论与展望 | 第100-102页 |
| 6.1 研究结论 | 第100页 |
| 6.2 研究展望 | 第100-102页 |
| 参考文献 | 第102-110页 |
| 致谢 | 第110-112页 |
| 附录1 | 第112-114页 |
| A. 攻读硕士学位期间发表的论文 | 第112页 |
| B. 作者在攻读硕士学位期间参加的科研项目 | 第112页 |
| C. 作者在攻读硕士学位期间获得的荣誉 | 第112-114页 |
| 附录2 | 第114-127页 |
| A. OPC客户端C#程序 | 第114-119页 |
| B. 监控界面C#程序 | 第119-127页 |
