摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 引言 | 第9-20页 |
1.1 港口设备管控问题描述 | 第9页 |
1.2 智能管控系统在港口的应用现状 | 第9-14页 |
1.2.1 港口装卸设备概况 | 第9-10页 |
1.2.2 港口装卸设备的分类 | 第10-11页 |
1.2.3 港口装卸设备的特点 | 第11页 |
1.2.4 港口设备管理与控制的结构模式 | 第11-12页 |
1.2.5 现状分析及主要问题 | 第12-14页 |
1.2.5.1 现状分析 | 第12-13页 |
1.2.5.2 主要问题 | 第13-14页 |
1.3 国内外港口智能管控关键技术研究现状 | 第14-16页 |
1.3.1 物联网 | 第14-15页 |
1.3.2 工业大数据云服务技术 | 第15页 |
1.3.3 工业大数据挖掘技术 | 第15-16页 |
1.4 研究方法 | 第16页 |
1.5 研究意义 | 第16页 |
1.6 研究内容 | 第16-20页 |
1.6.1 设备多源异构数据采集技术研究和实践 | 第17页 |
1.6.2 设备多源异构数据可拓展分布式存储框架研究和实践 | 第17页 |
1.6.3 设备大数据挖掘技术研究和实践 | 第17-18页 |
1.6.4 智能管控系统应用服务及多维可视化技术研究和实践 | 第18页 |
1.6.5 智能管控系统跨平台技术研究、分层定制服务和用户权限管理研究.. | 第18-20页 |
第2章 港口智能管控系统体系结构 | 第20-29页 |
2.1 港口智能管控系统现状 | 第20-21页 |
2.2 什么是CBM | 第21-22页 |
2.3 OSA-CBM系统组成 | 第22-23页 |
2.4 港口智能管控系统体系结构简述 | 第23-28页 |
2.4.1 数据源层 | 第25页 |
2.4.2 数据采集层 | 第25-26页 |
2.4.3 数据存储层 | 第26页 |
2.4.4 据挖掘层 | 第26-27页 |
2.4.5 应用层和表示层 | 第27-28页 |
2.5 本章小结 | 第28-29页 |
第3章 振华重工智能管控系统总体方案 | 第29-39页 |
3.1 总体方案 | 第29-31页 |
3.1.1 总体网络架构图 | 第30-31页 |
3.2 单机设备信号连接及网络 | 第31-32页 |
3.3 中控系统网络 | 第32-33页 |
3.4 云上系统架构 | 第33-35页 |
3.5 监控中心网络及设备 | 第35-38页 |
3.5.1 线下大数据分析诊断平台 | 第36-38页 |
3.5.2 全球起重机检测算法池与诊断策略池 | 第38页 |
3.6 本章小结 | 第38-39页 |
第4章 设备数据挖掘 | 第39-47页 |
4.1 设备数据挖掘规划 | 第39-41页 |
4.1.1 机械部件寿命预估 | 第39-40页 |
4.1.2 电气器件寿命预估 | 第40页 |
4.1.3 机械部件信号异常监视及故障预测 | 第40-41页 |
4.1.4 电气器件故障预测 | 第41页 |
4.1.5 电气系统故障诊断 | 第41页 |
4.2 故障预测及设备数据挖掘 | 第41-46页 |
4.2.1 数据预处理 | 第42页 |
4.2.2 特征工程 | 第42-43页 |
4.2.3 建模与模型评估 | 第43-45页 |
4.2.4 模型部署 | 第45-46页 |
4.3 本章小结 | 第46-47页 |
第5章 起重机设备云平台及信息门户 | 第47-57页 |
5.1 起重机设备云平台 | 第47-49页 |
5.1.1 数据收集 | 第47-48页 |
5.1.2 数据统一模型 | 第48-49页 |
5.1.2.1 IoTGateway数据统一模型 | 第48页 |
5.1.2.2 数据存储策略 | 第48-49页 |
5.2 起重机设备信息门户 | 第49-56页 |
5.2.1 全球起重机云平台监视 | 第49-50页 |
5.2.2 码头起重机云平台监视 | 第50-52页 |
5.2.3 起重机预防性维护及数据挖掘GUI | 第52页 |
5.2.4 维保工单系统 | 第52-54页 |
5.2.4.1 操作流程 | 第53-54页 |
5.2.4.2 工单数据库 | 第54页 |
5.2.5 紧急维修 | 第54-55页 |
5.2.6 维修保养 | 第55页 |
5.2.7 知识库管理 | 第55-56页 |
5.3 本章小结 | 第56-57页 |
第6章 总结与展望 | 第57-59页 |
6.1 总结 | 第57-58页 |
6.2 展望 | 第58-59页 |
参考文献 | 第59-62页 |
致谢 | 第62页 |