摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第12-16页 |
1.1 研究背景与意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-14页 |
1.3 论文研究内容 | 第14页 |
1.4 论文组织结构 | 第14-16页 |
第二章 相关基础知识 | 第16-28页 |
2.1 大数据特性 | 第16-17页 |
2.2 工业大数据的需求 | 第17-19页 |
2.2.1 工业大数据的服务 | 第17页 |
2.2.2 工业数据的异构性 | 第17-18页 |
2.2.3 工业大数据面临的挑战 | 第18-19页 |
2.2.4 工业大数据实时处理需求 | 第19页 |
2.2.5 工业CPS信息物理融合系统 | 第19页 |
2.3 CPS信息物理融合系统理论知识 | 第19-21页 |
2.3.1 CPS体系结构 | 第20页 |
2.3.2 CPS的相关特点 | 第20-21页 |
2.4 大数据处理平台 | 第21-24页 |
2.4.1 批处理系统Hadoop | 第21-22页 |
2.4.2 流处理系统Strom | 第22-23页 |
2.4.3 流式处理系统Spark | 第23-24页 |
2.5 大数据存储技术 | 第24-25页 |
2.6 数据访问平台 | 第25-26页 |
2.7 MapReduce的编程模型 | 第26-28页 |
第三章 云计算大数据驱动的机器人CPS系统的体系架构 | 第28-46页 |
3.1 大数据驱动的智能工业信息物理融合系统的分析 | 第28-31页 |
3.1.1 系统需求分析 | 第28-29页 |
3.1.2 智能工业系统架构 | 第29-31页 |
3.2 CPS系统体系结构 | 第31-33页 |
3.3 工业机器人CPS系统与云计算 | 第33-36页 |
3.3.1 数据感知采集与监控系统 | 第34-35页 |
3.3.2 数据挖掘分析及管理 | 第35-36页 |
3.3.3 应用层 | 第36页 |
3.4 基于HBase的工业机器人大数据的云储模型 | 第36-41页 |
3.5 基于Storm的工业机器人CPS系统实时处理子系统 | 第41-46页 |
第四章 工业机器人信息物理融合系统的建模方法 | 第46-60页 |
4.1 工业机器人信息物理融合系统建模需求分析 | 第46-48页 |
4.2 AADL介绍 | 第48-52页 |
4.2.1 AADL核心元组件 | 第48-49页 |
4.2.2 基于AADL建模方法 | 第49-51页 |
4.2.3 需求分析 | 第51页 |
4.2.4 系统组件的建模 | 第51-52页 |
4.2.5 软件平台绑定执行平台 | 第52页 |
4.3 基于Modelica物理系统建模 | 第52-53页 |
4.4 Modelica模型到AADL模型的转换规则 | 第53页 |
4.5 时空建模与行为建模 | 第53-60页 |
4.5.1 混合自动机 | 第54-55页 |
4.5.2 时空自动机 | 第55-56页 |
4.5.3 AADL行为模型扩展 | 第56-58页 |
4.5.4 UPPAAL简介 | 第58-60页 |
第五章 智能工业机器人的信息物理融合系统的设计与建模 | 第60-83页 |
5.1 基于Modelica的工业机器人物理系统建模 | 第60-69页 |
5.1.1 电机数学模型 | 第63页 |
5.1.2 连杆关节控制系统的数学模型 | 第63-64页 |
5.1.3 机械臂运动控制仿真 | 第64-67页 |
5.1.4 物理系统Modelica模型到AADL模型的转换 | 第67-69页 |
5.2 工业机器人CPS的AADL系统建模 | 第69-75页 |
5.2.1 硬件组件建模 | 第69-71页 |
5.2.2 软件组件建模 | 第71-75页 |
5.3 系统时空与行为模型 | 第75-79页 |
5.3.1 工业机器人空间行为建模 | 第75-78页 |
5.3.2 系统内部行为 | 第78-79页 |
5.4 系统故障管理 | 第79-82页 |
5.5 AADL中各个子系统绑定到执行平台 | 第82-83页 |
第六章 工业CPS系统AADL模型的分析与验证 | 第83-88页 |
6.1 可调度性分析 | 第83-84页 |
6.2 系统流分析 | 第84-86页 |
6.3 时空行为分析 | 第86-88页 |
总结与展望 | 第88-90页 |
参考文献 | 第90-93页 |
攻读学位期间发表的论文 | 第93-95页 |
致谢 | 第95页 |