基于工业大数据的设备健康与故障分析方法研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 引言 | 第9-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 PHM技术发展介绍 | 第12-13页 |
| 1.3 课题研究目的与意义 | 第13-14页 |
| 1.4 课题研究内容与论文结构 | 第14-16页 |
| 第二章 相关技术研究 | 第16-22页 |
| 2.1 PHM算法概述 | 第16-18页 |
| 2.1.1 模型驱动方案 | 第16页 |
| 2.1.2 数据驱动方案 | 第16-18页 |
| 2.2 FMECA分析方法 | 第18-19页 |
| 2.3 分布式集群介绍 | 第19-22页 |
| 2.3.1 Hadoop框架 | 第19-20页 |
| 2.3.2 Spark计算引擎 | 第20-22页 |
| 第三章 典型工业设备的诊断预后研究 | 第22-35页 |
| 3.1 轴承预后研究 | 第22-29页 |
| 3.1.1 预后分析算法概述 | 第22页 |
| 3.1.2 算法分析流程 | 第22-25页 |
| 3.1.3 数据集介绍与实验分析 | 第25-29页 |
| 3.2 工业电容预后分析 | 第29-35页 |
| 3.2.1 分析策略 | 第29-30页 |
| 3.2.2 数据集特征 | 第30-31页 |
| 3.2.3 实验分析 | 第31-35页 |
| 第四章 分布式PHM系统设计 | 第35-48页 |
| 4.1 设计策略与可行性分析 | 第35页 |
| 4.2 分布式PHM系统总体框架 | 第35-37页 |
| 4.3 数据支撑服务 | 第37-40页 |
| 4.3.1 数据环境 | 第37-38页 |
| 4.3.2 数据ETL模块 | 第38-39页 |
| 4.3.3 特征提取模块 | 第39-40页 |
| 4.4 数据挖掘公用服务 | 第40页 |
| 4.5 智能预测算法接口 | 第40-43页 |
| 4.5.1 曲线拟合 | 第41-42页 |
| 4.5.2 自适应ARMA算法模型 | 第42-43页 |
| 4.6 数据可视化接口 | 第43-46页 |
| 4.7 运维优化模块 | 第46-48页 |
| 4.7.1 配置参数选择 | 第46页 |
| 4.7.2 参数自动调优系统设计 | 第46-48页 |
| 第五章 分布式PHM系统的实现与测试 | 第48-61页 |
| 5.1 Hadoop集群的搭建与运行 | 第48-50页 |
| 5.1.1 分布式集群环境搭建 | 第48-49页 |
| 5.1.2 Spark运行框架 | 第49-50页 |
| 5.2 运维优化模块实现 | 第50-52页 |
| 5.2.1 运行任务分类 | 第51-52页 |
| 5.2.2 参数优化模块 | 第52页 |
| 5.3 分布式算法接口实现 | 第52-55页 |
| 5.3.1 数据类型变换 | 第53页 |
| 5.3.2 统计分析 | 第53-54页 |
| 5.3.3 分类与回归 | 第54页 |
| 5.3.4 聚类方法 | 第54-55页 |
| 5.4 可视化接口与交互界面实现 | 第55-56页 |
| 5.5 系统测试 | 第56-61页 |
| 5.5.1 集群运行与优化测试 | 第56-58页 |
| 5.5.2 算法平台交互测试 | 第58-61页 |
| 结束语 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 发表文章 | 第65-66页 |
| 致谢 | 第66页 |
