基于云与端融合的机电设备故障诊断技术研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及研究意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 机电设备故障诊断研究现状 | 第10-12页 |
| 1.2.2 云加端架构研究现状 | 第12-13页 |
| 1.3 本文的主要研究内容及创新点 | 第13-14页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 本文创新点 | 第14页 |
| 1.4 各章内容安排 | 第14-16页 |
| 第2章 机电设备故障诊断相关理论知识 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 特征提取方法 | 第16-18页 |
| 2.2.1 快速傅里叶变换的定义 | 第16-17页 |
| 2.2.2 快速傅里叶变换的流程图表示方法 | 第17-18页 |
| 2.3 数据降维方法 | 第18-20页 |
| 2.3.1 主成分分析定义 | 第18-19页 |
| 2.3.2 PCA算法流程 | 第19-20页 |
| 2.4 机器学习方法 | 第20-25页 |
| 2.4.1 聚类 | 第20-23页 |
| 2.4.2 支持向量机 | 第23-25页 |
| 2.5 云加端架构介绍 | 第25页 |
| 2.6 本章小结 | 第25-27页 |
| 3章嵌入式智能终端 | 第27-34页 |
| 3.1 引言 | 第27页 |
| 3.2 智能终端设计总体架构 | 第27-28页 |
| 3.3 智能终端软硬件设计 | 第28-31页 |
| 3.3.1 各功能部件性能描述 | 第28-29页 |
| 3.3.2 软件接口 | 第29-30页 |
| 3.3.3 主要电路 | 第30页 |
| 3.3.4 MCU中C程序运行流程 | 第30-31页 |
| 3.4 智能终端数据处理方案 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 云加端嵌套滑动窗口故障检测 | 第34-43页 |
| 4.1 引言 | 第34-35页 |
| 4.2 相关定义介绍 | 第35-36页 |
| 4.3 云加端动态嵌套滑动窗口故障信号检测 | 第36-38页 |
| 4.3.1 数据流波动 | 第36-37页 |
| 4.3.2 云计算+智能终端 | 第37页 |
| 4.3.3 动态嵌套滑动窗口 | 第37页 |
| 4.3.4 算法描述 | 第37-38页 |
| 4.4 实验结果与分析 | 第38-42页 |
| 4.4.1 实验环境 | 第38-39页 |
| 4.4.2 输入参数的性能对比 | 第39-40页 |
| 4.4.3 不同算法之间的准确度对比 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 基于云加端的机电设备故障诊断 | 第43-55页 |
| 5.1 引言 | 第43页 |
| 5.2 云加端SVM模型 | 第43-44页 |
| 5.3 原始数据选择 | 第44-45页 |
| 5.4 基于云加端的故障诊断方法 | 第45-47页 |
| 5.4.1 CPTSVM模型在线训练 | 第45-46页 |
| 5.4.2 算法描述 | 第46-47页 |
| 5.5 实验和对比 | 第47-53页 |
| 5.5.1 数据获取 | 第47-48页 |
| 5.5.2 特征提取 | 第48-49页 |
| 5.5.3 故障诊断策略 | 第49-50页 |
| 5.5.4 故障诊断准确度实验 | 第50-52页 |
| 5.5.5 诊断系统实时性验证 | 第52-53页 |
| 5.6 本章小结 | 第53-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55页 |
| 6.2 工作展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-62页 |
| 附录A 在学期间发表的学术论文与研究成果 | 第61-62页 |
