摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
1 绪论 | 第13-21页 |
1.1 课题研究背景及意义 | 第13-14页 |
1.2 造纸机设备维护管理现状 | 第14-15页 |
1.3 健康管理技术国内外研究概况 | 第15-16页 |
1.4 云计算技术国内外研究概况 | 第16-17页 |
1.5 云平台发展现状 | 第17-19页 |
1.5.1 云平台国内外研究概况 | 第17-18页 |
1.5.2 云平台体系架构 | 第18-19页 |
1.6 本文研究内容及章节安排 | 第19-21页 |
2 基于云平台的造纸机远程健康管理系统的设计 | 第21-40页 |
2.1 造纸机远程健康管理系统需求分析 | 第21页 |
2.2 造纸机远程健康管理系统总体框架设计 | 第21-23页 |
2.3 造纸机远程健康管理系统现场采集端设计 | 第23-28页 |
2.3.1 采集端整体框架设计 | 第23页 |
2.3.2 信号采集模块设计 | 第23-26页 |
2.3.3 信号传输模块设计 | 第26页 |
2.3.4 采集端程序设计 | 第26-28页 |
2.4 造纸机远程健康管理系统健康管理中心设计 | 第28-35页 |
2.4.1 健康管理中心整体框架设计 | 第28-30页 |
2.4.2 状态监测模块设计 | 第30页 |
2.4.3 故障诊断模块设计 | 第30-31页 |
2.4.4 资源管理模块设计 | 第31-32页 |
2.4.5 健康管理中心数据库设计 | 第32-35页 |
2.5 造纸机远程健康管理系统客户端设计 | 第35-39页 |
2.5.1 客户端整体框架设计 | 第35-36页 |
2.5.2 登录注册模块设计 | 第36-37页 |
2.5.3 状态监测模块设计 | 第37-38页 |
2.5.4 资源管理模块设计 | 第38-39页 |
2.6 本章小节 | 第39-40页 |
3 基于PSO和GSA优化的BP神经网络故障诊断方法研究 | 第40-52页 |
3.1 研究背景及相关理论 | 第40-44页 |
3.1.1 研究背景 | 第40页 |
3.1.2 GSA万有引力搜索算法 | 第40-43页 |
3.1.3 PSO粒子群算法 | 第43页 |
3.1.4 BP神经网络 | 第43-44页 |
3.2 基于PSO和GSA优化的神经网络轴承故障诊断方法 | 第44-47页 |
3.2.1 基于PSO和GSA优化的神经网络故障诊断原理 | 第44-45页 |
3.2.2 基于PSO和GSA优化的神经网络轴承故障诊断方法 | 第45-47页 |
3.3 实验与分析 | 第47-51页 |
3.3.1 实验样本集建立 | 第47-49页 |
3.3.2 实验测试与结果分析 | 第49-51页 |
3.4 实验结论 | 第51页 |
3.5 本章小结 | 第51-52页 |
4 基于云平台的造纸机远程健康管理系统的实现 | 第52-65页 |
4.1 造纸机远程健康管理系统现场采集终端 | 第52-56页 |
4.2 造纸机远程健康管理系统健康管理中心 | 第56-62页 |
4.2.1 数据库实现 | 第56-58页 |
4.2.2 登录/注册模块实现 | 第58-59页 |
4.2.3 状态监测模块实现 | 第59-60页 |
4.2.4 故障诊断模块实现 | 第60-61页 |
4.2.5 资源管理模块实现 | 第61-62页 |
4.3 造纸机远程健康管理系统客户端 | 第62-64页 |
4.3.1 登录/注册模块实现 | 第62-63页 |
4.3.2 状态监测模块实现 | 第63-64页 |
4.3.3 资源管理模块实现 | 第64页 |
4.4 本章小结 | 第64-65页 |
5 基于云平台的造纸机远程健康管理系统的测试 | 第65-83页 |
5.1 造纸机远程健康管理系统测试环境 | 第65页 |
5.2 造纸机远程健康管理系统测试 | 第65-82页 |
5.2.1 系统采集端功能测试 | 第65-66页 |
5.2.2 系统健康管理中心功能测试 | 第66-73页 |
5.2.3 系统客户端功能测试 | 第73-81页 |
5.2.4 造纸机远程健康管理系统整体测试 | 第81-82页 |
5.3 本章小结 | 第82-83页 |
6 总结与展望 | 第83-85页 |
6.1 本文工作总结 | 第83-84页 |
6.2 未来工作展望 | 第84-85页 |
致谢 | 第85-86页 |
参考文献 | 第86-90页 |
攻读学位期间发表的学术论文及专利目录 | 第90-91页 |
攻读学位期间参加的科研项目 | 第91页 |
攻读硕士期间获奖情况 | 第91-92页 |