| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-16页 |
| 1.1 论文研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 数控机床状态监测研究现状 | 第9-11页 |
| 1.2.2 数据处理技术研究现状 | 第11-13页 |
| 1.2.3 研究现状总结 | 第13页 |
| 1.3 论文研究的目的意义及课题来源 | 第13-14页 |
| 1.3.1 论文研究的目的及意义 | 第13-14页 |
| 1.3.2 论文研究课题来源 | 第14页 |
| 1.4 本文的主要研究内容及结构安排 | 第14-16页 |
| 2 基于数控机床运行数据的状态监测平台总体设计 | 第16-32页 |
| 2.1 数控机床运行数据特性分析 | 第16-17页 |
| 2.2 基于数控机床运行数据的状态监测平台需求分析 | 第17-18页 |
| 2.3 基于数控机床运行数据的状态监测平台总体架构设计 | 第18-20页 |
| 2.4 基于数控机床运行数据的状态监测平台设计 | 第20-30页 |
| 2.4.1 运行数据采集层设计 | 第20-21页 |
| 2.4.2 运行数据接入层设计 | 第21页 |
| 2.4.3 运行数据处理层设计 | 第21-27页 |
| 2.4.4 运行数据存储层设计 | 第27-29页 |
| 2.4.5 运行数据应用层设计 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 3 基于数控机床运行数据的状态监测平台关键技术研究 | 第32-54页 |
| 3.1 基于Storm流处理的数控机床运行数据实时监测技术 | 第32-37页 |
| 3.1.1 基于Storm流处理的数控机床运行数据实时监测流程 | 第32-33页 |
| 3.1.2 数控机床运行数据预处理 | 第33-34页 |
| 3.1.3 基于滑动时间窗的运行数据统计与异常检测技术 | 第34-37页 |
| 3.2 基于实时聚类算法的机床运行状态判断技术 | 第37-43页 |
| 3.2.1 实时流聚类算法及Trident-ml相关理论概述 | 第37-39页 |
| 3.2.2 基于运行数据分析的机床运行状态的分类 | 第39页 |
| 3.2.3 基于Trident-ml实时流聚类算法的机床运行状态判断技术的实现 | 第39-43页 |
| 3.3 面向海量运行数据的数据存储技术 | 第43-50页 |
| 3.3.1 基于Hbase的运行数据存储技术 | 第43-48页 |
| 3.3.2 基于Hive的运行数据存储技术 | 第48-49页 |
| 3.3.3 基于MySQL的运行数据存储技术 | 第49-50页 |
| 3.4 基于运行数据批处理的数控机床异常状态识别技术 | 第50-52页 |
| 3.4.1 批处理技术与状态识别算法相关理论概述 | 第50-51页 |
| 3.4.2 基于运行数据批处理的数控机床异常状态识别技术实现流程 | 第51-52页 |
| 3.5 监测平台运行数据可视化技术 | 第52-53页 |
| 3.6 本章小结 | 第53-54页 |
| 4 基于数控机床运行数据的状态监测平台软件系统开发 | 第54-86页 |
| 4.1 监测平台集成开发环境的部署 | 第54-60页 |
| 4.2 基于数控机床运行数据的状态监测平台的软件实现 | 第60-72页 |
| 4.2.1 系统功能模块设计 | 第60-61页 |
| 4.2.2 系统业务流程设计 | 第61-63页 |
| 4.2.3 系统功能界面实现 | 第63-72页 |
| 4.3 基于数控机床运行数据的状态监测平台案例测试与分析 | 第72-84页 |
| 4.3.1 案例测试环境 | 第72-75页 |
| 4.3.2 实时处理流处理技术测试与分析 | 第75-79页 |
| 4.3.3 运行数据可视化与存储技术测试与分析 | 第79-82页 |
| 4.3.4 数控机床异常状态识别技术测试与分析 | 第82-84页 |
| 4.4 本章小结 | 第84-86页 |
| 5 结论与展望 | 第86-88页 |
| 5.1 结论 | 第86-87页 |
| 5.2 展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 附录 | 第92-94页 |
| A 作者在攻读硕士学位期间从事的主要研究工作 | 第92页 |
| B 作者在攻读硕士学位期间发表的论文 | 第92页 |
| C 作者在攻读硕士学位期间申请的发明专利 | 第92页 |
| D 作者在攻读硕士学位期间所获奖励 | 第92-93页 |
| E 学位论文数据集 | 第93-94页 |
| 致谢 | 第94页 |
