摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-16页 |
1.1 课题背景及意义 | 第10-11页 |
1.2 国内外研究综述 | 第11-13页 |
1.2.1 起重机监测系统发展概述 | 第11-12页 |
1.2.2 起重机故障诊断技术发展概述 | 第12-13页 |
1.3 本文研究内容 | 第13-16页 |
第二章 基于D-S证据融合的行车及电气设备专家系统诊断方法研究 | 第16-35页 |
2.1 故障树分析法 | 第16-18页 |
2.1.1 故障树基本概念及表示方法 | 第16页 |
2.1.2 故障树的数学描述 | 第16-17页 |
2.1.3 故障树建立及预处理 | 第17-18页 |
2.2 D-S证据融合方法 | 第18-20页 |
2.2.1 D-S证据融合概述 | 第18-19页 |
2.2.2 D-S证据融合基本原理 | 第19-20页 |
2.3 专家系统诊断原理 | 第20-22页 |
2.3.1 专家系统原理 | 第20-21页 |
2.3.2 专家系统主要结构 | 第21-22页 |
2.3.3 专家系统推理机制 | 第22页 |
2.4 门式起重机故障诊断专家系统知识库设计 | 第22-28页 |
2.4.1 知识获取与表示 | 第22-24页 |
2.4.2 门式起重机故障树设计 | 第24-26页 |
2.4.3 专家系统知识库设计 | 第26-28页 |
2.5 基于自适应权重D-S融合的专家系统推理机设计 | 第28-32页 |
2.5.1 基于故障树推理方法概述 | 第28-29页 |
2.5.2 基于数据相似度的案例推理方法概述 | 第29页 |
2.5.3 专家系统推理机设计 | 第29-32页 |
2.6 专家系统实例分析 | 第32-34页 |
2.6.1 故障树推理分析 | 第32-33页 |
2.6.2 数据相似案例规则推理分析 | 第33-34页 |
2.6.3 权重融合推理分析 | 第34页 |
2.7 本章小结 | 第34-35页 |
第三章 基于小波包分析的减速箱PSO-BP神经网络诊断方法研究 | 第35-48页 |
3.1 基于小波包的减速箱振动特征提取方法研究 | 第35-39页 |
3.1.1 小波包分析方法 | 第35-36页 |
3.1.2 基于小波包的特征提取步骤 | 第36-37页 |
3.1.3 特征提取实例分析 | 第37-39页 |
3.2 基于BP神经网络和PSO算法故障诊断方法研究 | 第39-42页 |
3.2.1 BP神经网络算法概述 | 第39-41页 |
3.2.2 PSO算法概述 | 第41页 |
3.2.3 PSO算法与BP神经网络结合 | 第41-42页 |
3.3 基于PSO算法和BP神经网络的故障诊断模块算法设计 | 第42-45页 |
3.4 PSO-BP神经网络故障诊断模块实验验证 | 第45-47页 |
3.5 本章小结 | 第47-48页 |
第四章 门式起重机远程监测及诊断分析系统总体设计及数据库构建 | 第48-64页 |
4.1 系统功能需求分析 | 第48页 |
4.2 系统总体结构选型及设计 | 第48-52页 |
4.2.1 数据采集模块 | 第50页 |
4.2.2 数据存储管理模块 | 第50-51页 |
4.2.3 Android客户端APP | 第51页 |
4.2.4 服务器模块 | 第51-52页 |
4.2.5 数据通信模块 | 第52页 |
4.3 系统功能模块设计 | 第52-56页 |
4.3.1 远程监测 | 第52-54页 |
4.3.2 数据分析 | 第54页 |
4.3.3 故障诊断 | 第54-55页 |
4.3.4 数据管理 | 第55-56页 |
4.4 系统数据库平台设计 | 第56-62页 |
4.4.1 门式起重机远程监测及分析数据库结构设计 | 第57-61页 |
4.4.2 故障诊断专家系统数据库结构设计 | 第61-62页 |
4.5 本章小结 | 第62-64页 |
第五章 门式起重机远程监测及诊断分析系统开发实现 | 第64-82页 |
5.1 门式起重机监测及诊断分析系统软件开发环境 | 第64页 |
5.2 门式起重机远程监测及诊断分析系统软件实现 | 第64-78页 |
5.2.1 系统登录软件实现 | 第64-65页 |
5.2.2 系统监测软件实现 | 第65-69页 |
5.2.3 数据分析软件实现 | 第69-70页 |
5.2.4 故障诊断软件实现 | 第70-75页 |
5.2.5 数据管理软件实现 | 第75-78页 |
5.3 系统服务器性能测试 | 第78-81页 |
5.3.1 服务器压力测试 | 第78-79页 |
5.3.2 设备兼容性测试 | 第79-81页 |
5.4 本章小结 | 第81-82页 |
第六章 总结与展望 | 第82-84页 |
6.1 总结 | 第82-83页 |
6.2 展望 | 第83-84页 |
参考文献 | 第84-90页 |
致谢 | 第90-91页 |
攻读硕士学位期间发表的论文 | 第91页 |