摘要 | 第4-5页 |
Abstract | 第5-6页 |
一、绪论 | 第9-16页 |
1.1 研究目的与意义 | 第9-10页 |
1.2 研究现状及发展趋势 | 第10-15页 |
1.2.1 状态检修技术 | 第10-11页 |
1.2.2 状态预测技术 | 第11-12页 |
1.2.3 水电机组状态监测及诊断技术 | 第12-13页 |
1.2.4 泵站综合评价技术 | 第13-15页 |
1.3 本文研究内容和主要工作 | 第15-16页 |
二、系统总体方案设计 | 第16-23页 |
2.1 引言 | 第16页 |
2.2 系统功能 | 第16-17页 |
2.3 体系结构 | 第17-18页 |
2.4 硬件结构 | 第18-19页 |
2.5 软件结构 | 第19-21页 |
2.6 实验平台 | 第21-23页 |
三、水泵机组状态综合评价方法研究 | 第23-50页 |
3.1 引言 | 第23-24页 |
3.2 可拓综合评价概述 | 第24-27页 |
3.3 状态评价依据 | 第27-30页 |
3.4 设备部件划分及参数选取 | 第30-32页 |
3.5 权重的计算 | 第32-46页 |
3.5.1 层次分析法求权重 | 第32-37页 |
3.5.2 熵权法求权重 | 第37-44页 |
3.5.3 综合权重 | 第44-46页 |
3.6 基于可拓综合评价法水泵机组状态评价的实现 | 第46-49页 |
3.7 仿真分析 | 第49页 |
3.8 本章小结 | 第49-50页 |
四、水泵机组状态参数预测分析研究 | 第50-63页 |
4.1 引言 | 第50页 |
4.2 基于灰色理论的预测方法 | 第50-56页 |
4.2.1 灰色预测的GM (1,1)模型 | 第50-53页 |
4.2.2 基于GM (1,1)模型的泵站机组状态参数预测 | 第53-56页 |
4.3 基于BP神经网络的预测方法 | 第56-62页 |
4.3.1 BP神经网络 | 第56-57页 |
4.3.2 基于BP神经网络的泵站机组状态参数预测 | 第57-62页 |
4.4 本章小结 | 第62-63页 |
五、水泵机组远程状态评价与预测软件的开发 | 第63-70页 |
5.1 引言 | 第63页 |
5.2 开发软件介绍 | 第63-64页 |
5.2.1 Eclipse | 第63页 |
5.2.2 Mysql | 第63页 |
5.2.3 navicat | 第63-64页 |
5.2.4 Tomcat | 第64页 |
5.3 系统功能模块的实现 | 第64-69页 |
5.3.1 状态监测 | 第64页 |
5.3.2 状态综合评价 | 第64-67页 |
5.3.3 参数预测 | 第67-69页 |
5.5 本章小结 | 第69-70页 |
六、总结和展望 | 第70-72页 |
6.1 总结 | 第70页 |
6.2 展望 | 第70-72页 |
参考文献 | 第72-75页 |
致谢 | 第75-76页 |