基于大数据的电梯安全监测方法研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 论文研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 电梯故障检测与预警 | 第12-14页 |
| 1.2.2 大数据分析技术 | 第14页 |
| 1.2.3 时间序列预测分析 | 第14-16页 |
| 1.2.4 深度学习技术 | 第16-17页 |
| 1.3 论文研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第2章 电梯安全监测技术基础 | 第19-33页 |
| 2.1 大数据概述 | 第19-21页 |
| 2.1.1 大数据特性 | 第19-20页 |
| 2.1.2 大数据处理框架 | 第20-21页 |
| 2.2 流式大数据 | 第21-23页 |
| 2.2.1 流式大数据特性 | 第21-22页 |
| 2.2.2 流式大数据处理框架 | 第22-23页 |
| 2.3 深度学习概述 | 第23-32页 |
| 2.3.1 深度学习模型 | 第23-30页 |
| 2.3.2 损失函数及优化方法 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 电梯安全监测平台架构设计 | 第33-41页 |
| 3.1 电梯大数据特点 | 第33页 |
| 3.2 电梯安全监测平台架构 | 第33-37页 |
| 3.2.1 数据集成分发层 | 第34-35页 |
| 3.2.2 数据传输层 | 第35-36页 |
| 3.2.3 数据处理层 | 第36页 |
| 3.2.4 数据存储层 | 第36页 |
| 3.2.5 数据应用层 | 第36-37页 |
| 3.3 关键技术 | 第37-40页 |
| 3.3.1 数据集成与分发 | 第37-39页 |
| 3.3.2 电梯流数据分析与处理 | 第39页 |
| 3.3.3 电梯故障检测与异常预警 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于流式大数据的电梯故障检测方法 | 第41-53页 |
| 4.1 电梯故障类型 | 第41-42页 |
| 4.2 电梯运行有限状态机 | 第42-45页 |
| 4.3 电梯流数据预处理 | 第45-46页 |
| 4.4 电梯故障检测算法 | 第46-49页 |
| 4.5 电梯故障检测实验评估 | 第49-52页 |
| 4.5.1 实验环境 | 第50页 |
| 4.5.2 实验结果 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 基于时间序列预测模型的电梯异常预警方法 | 第53-66页 |
| 5.1 时间序列概述 | 第53-54页 |
| 5.1.1 时间序列定义 | 第53页 |
| 5.1.2 非平稳非线性时间序列 | 第53-54页 |
| 5.2 电梯时间序列预处理 | 第54-56页 |
| 5.3 时间序列预测模型 | 第56-61页 |
| 5.3.1 预测模型结构 | 第56-58页 |
| 5.3.2 扩张因果卷积 | 第58-59页 |
| 5.3.3 残差学习 | 第59-61页 |
| 5.3.4 批规范化 | 第61页 |
| 5.4 电梯异常预警实验评估 | 第61-65页 |
| 5.4.1 实验环境 | 第62页 |
| 5.4.2 评价方法 | 第62-63页 |
| 5.4.3 结果分析 | 第63-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第6章 基于大数据的电梯安全监测平台开发 | 第66-79页 |
| 6.1 平台实现 | 第66-73页 |
| 6.1.1 平台整体架构 | 第66-69页 |
| 6.1.2 平台功能模块 | 第69-70页 |
| 6.1.3 数据库结构设计 | 第70-73页 |
| 6.2 平台开发环境 | 第73页 |
| 6.3 平台主要功能 | 第73-78页 |
| 6.3.1 电梯位置可视化 | 第73-75页 |
| 6.3.2 电梯数据管理 | 第75-76页 |
| 6.3.3 电梯数据分析 | 第76页 |
| 6.3.4 电梯故障检测 | 第76-77页 |
| 6.3.5 电梯异常预警 | 第77-78页 |
| 6.4 本章小结 | 第78-79页 |
| 第7章 结论与展望 | 第79-81页 |
| 7.1 论文总结 | 第79页 |
| 7.2 未来展望 | 第79-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86-87页 |
| 攻读学位期间参加的科研项目和成果 | 第87页 |
