工业设备监测多源异构数据实时处理技术研究与应用
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 异构数据集成研究现状 | 第9-11页 |
| 1.2.2 实时处理技术研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12页 |
| 1.4 本文组织结构 | 第12-15页 |
| 2 相关技术概述 | 第15-25页 |
| 2.1 多源异构数据集成技术 | 第15-18页 |
| 2.1.1 异构数据集成 | 第15-16页 |
| 2.1.2 语义集成技术 | 第16页 |
| 2.1.3 数据集成模式分析 | 第16-18页 |
| 2.2 中间件相关技术概述 | 第18-21页 |
| 2.2.1 中间件基本概念 | 第18页 |
| 2.2.2 中间件工作模式 | 第18-20页 |
| 2.2.3 XML技术介绍 | 第20-21页 |
| 2.3 实时处理技术概述 | 第21-24页 |
| 2.3.1 实时数据库系统的索引技术 | 第21-23页 |
| 2.3.2 实时数据库系统的事务管理 | 第23页 |
| 2.3.3 实时数据库系统的并发控制 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 多源异构数据实时处理模型研究 | 第25-41页 |
| 3.1 模型设计思路 | 第25-27页 |
| 3.1.1 模型设计目标 | 第25-26页 |
| 3.1.2 模型技术方案 | 第26-27页 |
| 3.2 模型体系结构 | 第27-28页 |
| 3.3 多源异构数据实时处理 | 第28-36页 |
| 3.3.1 基于XML的异构数据转换 | 第28-30页 |
| 3.3.2 基于模型驱动的异构数据映射 | 第30-32页 |
| 3.3.3 基于改进贝叶斯估计算法的数据融合 | 第32-36页 |
| 3.4 数据存储策略 | 第36-39页 |
| 3.4.1 实时数据库存储 | 第36页 |
| 3.4.2 历史数据库存储 | 第36-37页 |
| 3.4.3 非结构化数据存储 | 第37-38页 |
| 3.4.4 数据的一致性维护 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 4 工业设备实时监测系统分析与设计 | 第41-53页 |
| 4.1 系统需求分析 | 第41-43页 |
| 4.1.1 系统概要简述 | 第41-42页 |
| 4.1.2 系统特征分析 | 第42-43页 |
| 4.2 系统总体设计 | 第43-45页 |
| 4.2.1 系统体系架构 | 第43页 |
| 4.2.2 系统业务流程 | 第43-45页 |
| 4.3 系统功能模块设计 | 第45-48页 |
| 4.3.1 基本信息管理 | 第46页 |
| 4.3.2 多源数据监测 | 第46-47页 |
| 4.3.3 数据实时处理 | 第47页 |
| 4.3.4 数据查询分析 | 第47-48页 |
| 4.4 数据库设计 | 第48-51页 |
| 4.4.1 数据库存储策略 | 第48页 |
| 4.4.2 数据库逻辑结构 | 第48-51页 |
| 4.5 本章小结 | 第51-53页 |
| 5 工业设备实时监测系统实现与应用 | 第53-69页 |
| 5.1 开发环境介绍 | 第53页 |
| 5.2 系统框架结构 | 第53-55页 |
| 5.3 关键技术实现 | 第55-62页 |
| 5.3.1 多数据源管理 | 第55-57页 |
| 5.3.2 异构数据转换实现 | 第57-59页 |
| 5.3.3 多源数据融合实现 | 第59-62页 |
| 5.4 工业设备实时监测系统应用 | 第62-67页 |
| 5.4.1 实际部署环境 | 第62-64页 |
| 5.4.2 系统运行界面 | 第64-67页 |
| 5.5 本章小结 | 第67-69页 |
| 6 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-76页 |
