一、汽车故障诊断知识库管理系统的研究（论文文献综述）
张志豪[1]（2021）在《再犯罪改造领域知识管理系统的设计与实现》文中提出目前有关再犯罪改造领域的知识并没有被纳入管理,且在该领域的知识管理方面的研究极少,如何将犯罪心理领域知识纳入管理、形成一套完整的知识管理体系,准确预测罪犯或矫正对象的再犯罪几率,体现改造质量的优劣,从而制定一套合适的帮扶计划,提高再犯罪改造质量,变成了急需的问题。为此,本文基于领域专家经验以及对某监狱的调查问卷,结合本体技术、机器学习预测模型、模糊综合评估等技术,从再犯罪改造领域知识库的构建、再犯罪预测模型、以及再犯罪改造领域知识管理系统的设计与实现三个方面展开了研究。本文首先结合领域专家经验、再犯罪改造领域特点以及本体技术,建立再犯罪改造领域知识库,定义了该领域类与属性及其关系,对本体进行了可视化,并使用关系数据库存储领域知识库,提高了检索效率,降低了维护成本;其次基于模糊层次分析法以及模糊综合评估,并对模糊综合评估模型进行了较深入地研究,构建了一套再犯罪影响因素权重体系,对比三种机器学习算法在预测再犯罪能力上的效果,经过实验,选择逻辑回归作为预测模型,将模糊综合评估以及逻辑回归的结果进行加权平均,得到最终的较为准确的预测结果,为领域专家针对性的制定帮扶计划提供了参考依据;最后开发出了再犯罪改造领域知识管理系统的原型,包括知识浏览、知识检索、知识管理、知识维护、再犯罪预测、用户管理等功能模块,测试结果表明该系统所有功能模块都能够达到预定目标。
栾凯[2]（2021）在《玻镁板生产线远程监控及故障诊断系统》文中提出
张湘婷[3]（2021）在《基于关联规则的铁路信号设备故障诊断方法研究》文中进行了进一步梳理铁路在现代综合运输体系一直处于骨干地位,是我国重要基础设施和大众出行的主要交通工具,也是促进国民经济和推动社会发展的重要产业部门。近几年,我国铁路迅猛发展,列车持续提速,列车密度不断加大,对铁路运输安全要求也日趋严格。铁路信号设备在确保列车运行安全,提高运输效率方面发挥重要作用,因此保证其正常运转显得尤为重要。在日常的维护维修中,维修人员主要靠人工经验,并且用文字的形式描述故障设备的处理流程,因此积累了大量的故障文本数据,这些丰富的文本数据蕴含着巨大的信息,对铁路信号设备故障分析具有重大意义。为提升铁路信号设备的故障诊断效率,在对故障文本信息分析的基础上,提出一种基于关联规则的铁路信号设备故障诊断方法。建立故障特征、类型和原因的对应关系,实现铁路信号设备智能化诊断,主要工作包括:（1）本文分析铁路信号设备的维修记录的特点,结合智能决策支持系统设计铁路信号设备故障诊断方案,确定使用产生式表示法对故障维修知识进行表示。（2）基于改进的TF-IDF（Term Frequency-Inverse Document Frequency）算法的铁路信号设备故障特征提取。针对铁路领域的专业性,构建铁路信号设备专业词库。考虑同义词对特征词提取的影响,根据同义词权重规则修正权重公式,并将权重采取离散化处理,实现故障特征提取。（3）基于改进的频繁模式增长（Frequent Pattern Growth,FP-Growth）算法的故障诊断。采用改进FP-Growth算法挖掘出故障特征、类型和原因之间关联关系,实现知识获取,将知识存入故障知识库,为故障诊断提供依据。首先,根据数据特点,采用自适应策略设定最小支持数和置信度,减少用户对算法参数取值的主观性。然后,依据频繁1-项集划分各项的数据库子库,再构造每项的条件FP-Tree,减少内存占用空间,提高运行速率。最终,将关联规则作为知识保存到知识库中,通过智能决策支持系统中的推理机,进行故障诊断。实验证明本文方法运行时间优于传统的FP-Growth算法,平均准确率比案例推理算法和贝叶斯网络算法提高13.02%和9.28%。（4）基于上述对故障诊断的关键技术的研究,设计与实现铁路信号设备故障维修原型系统,按照系统需求分析实现主要功能模块,证明本文方法的可行性与有效性。
孙振宇,王震坡,刘鹏,张照生,陈勇,曲昌辉[4]（2021）在《新能源汽车动力电池系统故障诊断研究综述》文中提出随着新能源汽车保有量的增加,新能源汽车安全问题日益突出,严重威胁着驾乘人员的生命财产安全,制约了新能源汽车产业发展。动力电池问题是新能源汽车着火事故发生的主要原因（占着火事故60%以上）,发展先进的动力电池系统故障诊断技术已成为新能源汽车安全防护领域的热点。为填补该领域最新中文综述的空白,基于动力电池系统故障发生位置的差异,将故障分类为内部故障和外部故障,描述过充电、过放电、外部短路、内部短路、过热、热失控、传感器故障、连接件故障、冷却系统故障的失效机理。从内部故障和外部故障两个角度出发,总结锂离子动力电池的基于知识、模型、数据驱动三类故障诊断方法的研究现状与最新进展。讨论当前动力电池系统故障诊断技术研究中存在的主要问题,提出电池故障诊断技术的未来发展趋势,以期实现动力电池系统故障的准确诊断和早期防控,提高新能源汽车安全性,保障驾乘人员生命财产安全,推动新能源汽车产业进一步发展。
刘鹏程[5]（2021）在《椰青开孔机远程监测系统的研究》文中认为随着生活水平的提高,人们对于饮食品质的要求也越来越高,椰汁作为纯天然饮品,自然受到广大消费者的青睐。原始手工开椰青的方法,无论从安全性、卫生程度还是从开椰青的效率上讲,都已无法满足人们的需求,椰青开孔机的出现,很大程度上改善了上述问题。但开孔机在使用过程中,会出现如抱紧机构故障等诸多问题,如果未将此类问题及时反馈,不仅会带来安全隐患,还会造成加工拖沓,所以亟待开发椰青开孔机远程监测系统,实现对开孔机的远程监测、故障诊断。本文首先分析了开孔机工作流程。其次,根据系统功能需求,分别制定系统远程监测、故障诊断和信息管理三个功能模块的实现方案。基于4G移动通信技术,实现对开孔机的远程监测。基于模糊逻辑,实现开孔机故障诊断算法的设计。在数据库中建立数据表存储开孔机相关数据,实现对开孔机信息的管理。开孔机远程监测系统由下位机和上位机两部分组成,整个系统以硬件电路为基础,通过下位机编程,采集包括开孔机故障报警信息、椰青切削数量以及开孔机故障代码在内的开孔机工作状态数据,并每间隔5分钟,将数据存储到EEPROM中。当达到数据发送周期时,程序首先将开孔机工作状态数据写成要求的报文格式,控制单元通过4G通信模块,将数据快速、准确地发送到云端。云端接收到报文后,对报文进行解析,若解析成功,数据将被保存在云端。监测中心可以通过Internet网络访问服务器,查看并下载数据。为实现对开孔机的故障诊断,设计了基于模糊逻辑的开孔机故障诊断算法。在明确了算法所需的参数变量后,以既往开孔机维修记录为基础,利用模糊统计法得到故障代码的隶属函数。在此基础上,建立开孔机故障诊断模糊方程,求解即可得到开孔机故障原因模糊向量的大小。最后,根据故障代码,确定可能故障的构件,并判断构件所处寿命周期的阶段。若构件处于初始故障期或磨损故障期,则调整该故障原因的隶属度。得到最终的开孔机故障原因模糊向量后,根据最大隶属度原则,得到故障诊断结果,确定故障构件。系统以SQL Server 2008作为系统数据库,在Microsoft Visual Studio中用C#编程语言开发椰青开孔机远程监测系统上位机界面,实现对椰青开孔机远程监测、故障诊断以及信息管理三大主要功能。信息管理界面可以实现对数据库内数据的存取。远程监测界面可以实现查看并保存开孔机工作状态数据。基于开孔机工作状态数据和既往开孔机维修数据,故障诊断界面可以实现对开孔机的故障诊断。
谢观义[6]（2021）在《轧机刚度数据采集及分析系统的研究》文中认为轧机刚度是指在工作压力下,从辊系到机架一系列承重部件弹性变形的总和。其是分析轧机轧制精度的主要指标,也是分析影响轧制稳定性及排除故障原因的重要参数之一。此外轧机刚度会随相关零部件的不均匀磨损而降低,过低时会引起事故的发生。因此,对轧机刚度的实时监控及分析是非常有必要的。目前,轧钢厂内通常由轧辊维护人员隔一段时间手动导出用于刚度计算的原始数据,然后人工完成与刚度相关技术指标的计算、表格的整理及变化曲线的绘制,最后得出决策建议。传统的轧机刚度采集方法效率低、周期长且出错率高,无法为实时分析轧机设备的轧制性能提供数据支持。因此,本文结合国内某轧钢厂热轧生产线上的实际情况建立一套完善的轧机刚度数据采集及分析系统,能够自动实时完成刚度相关数据的采集、计算,并实时掌握刚度相关技术指标的变化趋势。首先通过研究轧机刚度的有关知识和工业互联网的相关技术,并结合钢厂的实际情况和需求,确定了轧机刚度数据采集及分析系统的整体框架。其次对工业现场部署的数据采集系统进行设计。在内网完成数据采集通信时,发现存在数据包粘合、拆散的现象,为此设计了一种基于变长协议定制报文的通讯方法并完成数据的获取解析;数据在预处理后通过通信模块被传输至云服务器上,为保证数据传输的稳定性,基于heartbeat机制设计了一种通信模块备份的方法,能够在工作模块宕机后自动完成备用模块的切换;在云服务器上部署有数据接收程序和数据库存储管理系统去实现数据的接收及分类储存管理;采用基于数据驱动的诊断方法完成对轧机刚度的远程化分析与监控,通过设计客户端软件界面将刚度相关技术指标的变化趋势绘制成曲线,从而能够直观的反映出轧机轧制性能的变化。最后配置系统需要的运行环境,对系统进行运行状态测试以及数据结果验证。结果表明该系统运行状态良好,数据结果准确,已满足企业的需求。本文设计的轧机刚度数据采集及分析系统能降低工人的劳动强度,有助于设备的数字化管理,为其它工程项目提供参考案例。
范芳洪,胡自化[7]（2021）在《FANUC系统电气故障智能诊断模型的研究》文中认为随着大量复杂精密数控机床的不断涌现,数控系统在使用过程中出现的故障原因和类型呈现多样化和复杂化,致使难以凭操作经验对数控系统电气故障部位和原因做出正确的诊断和维护,而依赖人工对故障进行诊断和维护也将带来巨大的时间消耗和经济损失。因此,如何针对具体数控系统运用专业知识对机床电气故障建立智能诊断模型,提供有效解决方案显得极为迫切。为此,本文以FANUC 0iD系统的电气故障诊断为研究对象,设计并开发电气故障智能诊断模型和编写对应专家系统程序。
何旋[8]（2021）在《基于动态故障树的钻井泵故障诊断专家系统的设计与实现》文中研究说明本文受四川省重大科技专项项目“智能钻机研制及应用”（立项编号2019ZDZX0030）资助。钻井泵作为钻机的“心脏”,因工作环境复杂、条件恶劣,容易产生故障,影响钻机正常运作。为了保证生产的效率,要求在发生故障的初期能够快速准确地定位故障并解决。目前,故障树分析法作为诊断复杂机械故障的通用方法,其无法表示钻井泵某些部件只有按固定顺序失效才能导致系统故障的情况,导致诊断结果不准确。为了解决此问题,选择动态故障树分析法表示此类动态故障并诊断。同时建立专家系统,可以让工作人员在专家不在场时仍可以快速确定故障并获得专业的维修知识。主要研究内容分为以下几部分:首先,本文选择工作环境恶劣,故障情况复杂难以诊断的钻井泵作为研究对象。通过专家的指导与所提供的相关知识,分析其故障机理。以钻井泵的动力端作为实例,建立故障树,并验证了故障树分析法在故障诊断中的有效性。接着,针对故障树无法表征出钻井泵故障中各部件按顺序失效造成系统故障的情况,在故障树中引入动态逻辑门,构成动态故障树。结合钻井泵故障特点选择计算复杂度低且准确率较高的基于离散贝叶斯网络的动态故障树诊断模型,并对其诊断模型进行改进,通过加入“率参数λ--划分数n”对应关系,提高诊断可靠性与准确率。以钻井泵液力端作为实例验证了动态故障树在故障诊断中的有效性。然后,将传统故障树诊断模型与改进的离散时间贝叶斯网络的动态故障树诊断模型结合成为混合故障树诊断模型,作为故障诊断专家系统的故障推理机;设计知识库,根据钻井泵基本故障信息与诊断模型知识的特点,设计恰当的表示方式。最后,按照设计思路建立MVC框架的Web应用,开发具有友好的操作界面、良好的操作体验和完善的功能指引的故障诊断专家系统,并通过一个实例,证明本系统在钻井泵故障诊断中的一定指导意义与实用价值。
吕艺伟[9]（2021）在《基于云平台的电动汽车充电设备监控系统开发与研究》文中进行了进一步梳理随着电动汽车的广泛应用,其充电设备作为必要配套设施也逐渐普及。电动汽车充电设备主要由充电机、充电桩、通信设备以及人机交互设备等组成,结构复杂,工作环境恶劣,易发生故障。由于充电设备在地理位置上分布非常广泛并且分散,这给充电设备的管理、维护等带来很大问题。本文针对电动汽车充电设备的特点,基于.NET平台开发了一套充电设备远程监控系统。该系统可实时监测电动汽车充电设备的工作状态和充电数据,能够及时发现故障并报警,可对故障信息进行分析并给出故障诊断结果和维修建议,对于电动汽车充电设备的推广应用具有重要意义。首先,介绍了电动汽车充电设备的研究背景、意义、国内外现状等,根据目前国内充电设备的实际情况以及实际需求设计了监控系统的功能模块,包括状态监测、故障处理和账户管理三大模块,并给出了系统四层结构的整体设计方案,四层结构分别是设备层、通信层、云平台层和应用层。其次,对充电设备的硬件结构、工作原理以及工作状态进行了深入分析,在此基础上对大功率充电机和直流充电桩的常见故障进行归纳整理,为故障诊断奠定了基础。对系统的通信分别进行了设计,包括直流充电桩与电动汽车、直流充电桩与大功率充电机、大功率充电机与工控机、工控机与云平台四个部分的通信设计。然后,根据充电设备的特点选择合适的故障诊断方法,研究了适用于充电设备的故障诊断算法,设计了包括故障诊断、故障处理、故障追踪在内的一套故障处理流程。建立了充电设备的故障树,基于模糊故障树分析方法对故障树进行定量故障分析,进而对充电设备进行故障诊断并给出维修建议。对设备的故障信息以工单的形式进行派单处理,对于故障处理过程能够进行追踪。最后,进行数据库选型,以系统功能需求为基础对数据表进行了设计,系统基于.Net平台,利用HTML、JS等前端语言进行前台页面的搭建,利用C#等后端语言对监控系统的后端进行开发,最终部署并发布到远程服务器,实现了对电动汽车充电设备的远程监控。
高宏鹏[10]（2021）在《防爆无轨胶轮车故障诊断系统研究》文中认为防爆无轨胶轮车在现代煤矿的辅助运输中承担着十分重要的角色,在煤矿中得到广泛的应用。由于自身的结构较为复杂,加之煤矿井下环境恶劣,存在着许多不稳定的因素,使得无轨胶轮车的故障率较高。为了保证车辆在井下的安全运行,必须加强对防爆无轨胶轮车故障诊断的研究,减少车辆故障的发生,提高车辆的运行稳定性。本文以防爆无轨胶轮车作为研究对象,分析无轨胶轮车的特性和故障特点,总结车辆各系统组成及常见故障。研究故障树分析法与专家系统的诊断特性,建立无轨胶轮车各系统故障树模型,运用“产生式规则+框架表示法”将定性分析后的故障树转化为专家系统中的知识库,解决专家系统难获取知识的问题。将模糊矩阵与层次分析法结合,判定专家对底事件的评判权重,进而获得底事件产生故障的模糊概率,解决难以获得底事件故障概率的问题。利用底事件概率完成故障树定量计算,得到底事件的重要度,将其与专家系统中的推理机相结合,解决推理规则的优先级问题。推理机采用正向推理的方式完成对系统故障的推理。故障诊断系统将故障树分析法与专家系统分析法的优势结合,经过处理后应用到无轨胶轮车的故障诊断中,提高了系统的诊断效率。在柴油机的某些部位安装传感器,通过分析监测到的数据,辅助系统进行故障诊断。本文利用SQL Server2014数据库完成防爆无轨胶轮车故障诊断系统中知识库的建立,运用C#编程语言在Visual Studio2015环境下开发出防爆无轨胶轮车故障诊断系统软件,良好的人机交互界面实现了故障诊断的功能。利用诊断系统对无轨胶轮车故障进行诊断验证,结果满足设计要求,表明故障树分析法与专家系统结合用于防爆无轨胶轮车故障诊断的可行性。
二、汽车故障诊断知识库管理系统的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、汽车故障诊断知识库管理系统的研究（论文提纲范文）
（1）再犯罪改造领域知识管理系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 再犯罪改造 |
| 1.2.2 知识管理和知识管理系统 |
| 1.2.3 知识库 |
| 1.3 研究目标与研究内容 |
| 1.4 论文的组织结构 |
| 第二章 相关技术 |
| 2.1 本体技术 |
| 2.2 知识库构建 |
| 2.2.1 知识表示 |
| 2.2.2 知识存储 |
| 2.3 机器学习预测模型 |
| 2.3.1 逻辑回归 |
| 2.3.2 支持向量机 |
| 2.3.3 随机森林 |
| 2.4 本章小结 |
| 第三章 再犯罪改造领域知识库的构建 |
| 3.1 再犯罪改造知识库的规划和设计 |
| 3.2 再犯罪改造知识库的构建 |
| 3.2.1 领域核心概念定义 |
| 3.2.2 属性建立 |
| 3.2.3 本体可视化 |
| 3.3 再犯罪改造知识库的存储 |
| 3.4 本章小结 |
| 第四章 再犯罪预测模型 |
| 4.1 模糊层次分析模型构建 |
| 4.1.1 评价指标体系 |
| 4.1.2 判断矩阵 |
| 4.1.3 模糊一致矩阵 |
| 4.2 模糊综合评估 |
| 4.2.1 评语集 |
| 4.2.2 计算指标权重 |
| 4.2.3 模糊评估矩阵 |
| 4.2.4 模糊综合评估 |
| 4.3 基于卡方检验的机器学习预测模型 |
| 4.3.1 数据预处理 |
| 4.3.2 特征选择 |
| 4.3.3 再犯罪预测模型比较 |
| 4.4 再犯罪预测模型构建 |
| 4.5 本章小结 |
| 第五章 再犯罪改造领域知识管理系统的设计与实现 |
| 5.1 需求分析 |
| 5.1.1 功能需求 |
| 5.1.2 非功能需求 |
| 5.2 总体设计 |
| 5.2.1 系统架构设计 |
| 5.2.2 系统功能设计 |
| 5.2.3 数据库设计 |
| 5.3 系统实现 |
| 5.3.1 系统环境部署 |
| 5.3.2 知识管理模块 |
| 5.3.3 知识检索模块 |
| 5.3.4 知识维护模块 |
| 5.3.5 再犯罪预测模块 |
| 5.3.6 用户管理模块 |
| 5.3.7 知识浏览模块 |
| 5.4 系统测试及分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（3）基于关联规则的铁路信号设备故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 铁路故障文本大数据研究现状 |
| 1.2.2 故障诊断方法综述 |
| 1.3 本文主要工作及结构 |
| 2 铁路信号设备及其故障诊断 |
| 2.1 铁路信号基础设备 |
| 2.2 铁路信号设备故障文本数据分析 |
| 2.3 铁路信号设备故障诊断方案 |
| 2.3.1 智能决策支持系统 |
| 2.3.2 知识表示 |
| 2.3.3 基于文本数据的故障诊断方案 |
| 2.4 本章小结 |
| 3 铁路信号设备故障特征提取方法 |
| 3.1 基于故障数据的文本挖掘方法 |
| 3.1.1 文本挖掘的基本概念 |
| 3.1.2 影响特征提取效果的因素 |
| 3.1.3 铁路信号设备故障特征提取基本流程 |
| 3.2 文本分词处理 |
| 3.3 基于TF-IDF算法的故障特征提取 |
| 3.3.1 VSM模型 |
| 3.3.2 TF-IDF算法 |
| 3.3.3 改进TF-IDF算法 |
| 3.3.4 权重离散化 |
| 3.3.5 算法比较 |
| 3.4 故障诊断模型建立 |
| 3.5 铁路信号设备故障特征提取 |
| 3.6 本章小结 |
| 4 基于关联规则的故障诊断方法 |
| 4.1 数据挖掘技术 |
| 4.1.1 数据挖掘概述 |
| 4.1.2 数据挖掘过程 |
| 4.2 故障诊断算法的选择与改进 |
| 4.2.1 关联规则概念 |
| 4.2.2 FP-Growth算法实现 |
| 4.2.3 FP-Growth算法改进 |
| 4.3 基于关联规则的故障诊断 |
| 4.3.1 推理机的建立 |
| 4.3.2 推理策略的选择 |
| 4.3.3 基于关联规则的故障诊断流程 |
| 4.4 实验分析 |
| 4.4.1 实验数据与实验环境 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 5 铁路信号设备故障维修原型系统的设计与实现 |
| 5.1 需求分析 |
| 5.2 系统设计与实现 |
| 5.2.1 系统体系结构 |
| 5.2.2 系统功能模块 |
| 5.2.3 系统开发环境 |
| 5.2.4 系统主要界面展示 |
| 5.3 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（5）椰青开孔机远程监测系统的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 无线通信的研究现状 |
| 1.2.2 故障诊断的研究现状 |
| 1.2.3 模糊诊断的研究现状 |
| 1.3 课题主要研究内容 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文组织架构 |
| 第二章 系统整体方案 |
| 2.1 开孔机工作流程 |
| 2.2 系统总体设计 |
| 2.2.1 系统功能需求 |
| 2.2.2 系统总体架构 |
| 2.2.3 系统开发工具选择 |
| 2.3 远程监测及信息管理方案 |
| 2.3.1 常见无线通信技术对比 |
| 2.3.2 系统通信方式选择和通信模块选型 |
| 2.3.3 远程监测方案 |
| 2.3.4 信息管理方案 |
| 2.4 故障诊断方案 |
| 2.4.1 常见故障诊断方法对比 |
| 2.4.2 开孔机故障特性分析 |
| 2.4.3 开孔机故障诊断的模糊性 |
| 2.4.4 故障诊断方案 |
| 2.4.5 隶属度调整规则 |
| 2.4.6 开孔机故障诊断数学模型 |
| 2.5 本章小结 |
| 第三章 系统下位机软硬件 |
| 3.1 系统主要硬件电路 |
| 3.1.1 电源电路 |
| 3.1.2 安全门操作电路 |
| 3.1.3 工作状态识别电路 |
| 3.1.4 行程限位电路 |
| 3.1.5 工作状态存储电路 |
| 3.1.6 远程通信电路 |
| 3.2 开孔机故障分析 |
| 3.2.1 抱紧机构故障分析 |
| 3.2.2 升降机构故障分析 |
| 3.2.3 切刀旋转机构故障分析 |
| 3.3 开孔机下位机软件设计 |
| 3.3.1 抱紧及松开故障报警 |
| 3.3.2 下降及上升故障报警 |
| 3.3.3 切刀旋转机构故障报警 |
| 3.3.4 安全门故障报警 |
| 3.3.5 椰青切削数量计数原理 |
| 3.4 远程监测流程分析 |
| 3.4.1 开孔机远程监测流程及步骤 |
| 3.4.2 上报和响应报文格式 |
| 3.4.3 云端解析数据流程及步骤 |
| 3.5 远程监测云端布署 |
| 3.5.1 云端设备布署 |
| 3.5.2 4G模块参数设置 |
| 3.6 本章小结 |
| 第四章 系统上位机软件 |
| 4.1 数据库详细设计 |
| 4.1.1 系统数据流分析 |
| 4.1.2 数据库概念设计 |
| 4.1.3 数据库逻辑设计 |
| 4.2 开孔机故障诊断算法的设计 |
| 4.2.1 开孔机故障诊断流程及步骤 |
| 4.2.2 故障诊断数学模型的编程实现 |
| 4.3 上位机界面设计 |
| 4.3.1 登录界面设计 |
| 4.3.2 信息管理界面设计 |
| 4.3.3 远程监测界面设计 |
| 4.3.4 故障诊断界面设计 |
| 4.4 本章小结 |
| 第五章 实验研究与系统测试 |
| 5.1 开孔机工作参数采集实验 |
| 5.1.1 抱紧机构工作参数采集 |
| 5.1.2 切刀旋转机构工作参数采集 |
| 5.2 开孔机工作状态远程监测测试 |
| 5.2.1 开孔机工作状态数据解析测试 |
| 5.2.2 开孔机工作状态数据管理测试 |
| 5.3 开孔机故障诊断功能测试 |
| 5.3.1 开孔机维修记录 |
| 5.3.2 故障诊断案例测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（6）轧机刚度数据采集及分析系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 数据采集系统研究现状 |
| 1.2.2 工业上数据分析方法研究现状 |
| 1.3 本文的主要研究内容 |
| 第2章 系统关键技术及整体框架设计 |
| 2.1 引言 |
| 2.2 轧机刚度的理论基础 |
| 2.2.1 轧机刚度的定义及组成 |
| 2.2.2 轧机刚度的测量 |
| 2.2.3 轧机刚度的评定 |
| 2.3 工业物联网的相关技术 |
| 2.3.1 工业数据采集技术 |
| 2.3.2 工业数据传输技术 |
| 2.3.3 工业传感器技术 |
| 2.4 系统的整体结构框架 |
| 2.4.1 需求分析 |
| 2.4.2 系统的组成结构 |
| 2.5 本章小结 |
| 第3章 轧机刚度数据采集系统的设计 |
| 3.1 引言 |
| 3.2 系统的硬件环境 |
| 3.3 数据采集层的设计 |
| 3.3.1 接口模块 |
| 3.3.2 通信协议 |
| 3.3.3 采集模块实现 |
| 3.4 数据传输层的设计 |
| 3.4.1 GPRS通信模块 |
| 3.4.2 网关备份 |
| 3.5 数据服务层的设计 |
| 3.5.1 数据接收 |
| 3.5.2 数据应用 |
| 3.6 本章小结 |
| 第4章 工业云平台的设计 |
| 4.1 引言 |
| 4.2 云平台结构确定 |
| 4.2.1 云平台硬件配置 |
| 4.2.2 云平台架构 |
| 4.3 平台数据库的设计 |
| 4.3.1 数据库设计原则 |
| 4.3.2 E-R模型的建立 |
| 4.3.3 定义数据表 |
| 4.4 数据分析 |
| 4.4.1 刚度工艺计算 |
| 4.4.2 关键参数提取 |
| 4.4.3 刚度状态评估 |
| 4.4.4 异常数据诊断 |
| 4.5 本章小结 |
| 第5章 系统的测试与验证 |
| 5.1 引言 |
| 5.2 嵌入式Linux的移植 |
| 5.2.1 Boot-Loader的移植 |
| 5.2.2 内核的移植 |
| 5.3 系统的性能测试 |
| 5.3.1 系统的运行效果 |
| 5.3.2 系统的结果验证 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（7）FANUC系统电气故障智能诊断模型的研究（论文提纲范文）
| 1 FANUC 0iD系统电气故障诊断专家系统框架 |
| 2 FANUC 0iD系统电气故障树建立 |
| 3 FANUC 0iD系统电气故障诊断专家系统推理机设计 |
| 4 FANUC 0iD系统电气故障诊断专家系统软件实现和实验验证 |
| 4.1 诊断专家系统的功能模块设计与实现 |
| 4.2 换刀故障的专家系统智能诊断 |
| 5 结束语 |
（8）基于动态故障树的钻井泵故障诊断专家系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 钻井泵故障诊断存在的问题 |
| 1.2.2 动态故障树的国内外研究现状 |
| 1.2.3 专家系统的研究现状 |
| 1.3 研究目标与研究内容 |
| 1.4 论文结构安排 |
| 第二章 钻井泵故障树构建与诊断 |
| 2.1 钻机钻井泵的故障分析 |
| 2.1.1 钻井泵的结构研究 |
| 2.1.2 钻井泵故障分析 |
| 2.1.3 钻井泵故障诊断分析 |
| 2.2 故障树分析法介绍 |
| 2.2.1 故障树模型介绍 |
| 2.2.2 故障树的定性分析 |
| 2.2.3 故障树的定量分析 |
| 2.3 故障树分析法实例验证 |
| 2.4 本章小结 |
| 第三章 钻井泵动态故障树故障诊断模型研究与改进 |
| 3.1 动态故障树介绍 |
| 3.1.1 动态故障树基本理论 |
| 3.1.2 动态逻辑门 |
| 3.2 贝叶斯网络介绍 |
| 3.3 基于离散时间贝叶斯网络的动态故障树诊断模型的研究与改进 |
| 3.3.1 离散时间贝叶斯网络模型 |
| 3.3.2 逻辑门输出事件条件概率表的确定 |
| 3.3.3 离散时间贝叶斯网络模型的改进 |
| 3.4 实例分析 |
| 3.4.1 建立动态故障树 |
| 3.4.2 钻井泵液力端系统的贝叶斯网络模型 |
| 3.4.3 钻井泵液力端故障诊断 |
| 3.5 本章小结 |
| 第四章 钻井泵故障诊断专家系统的设计 |
| 4.1 专家系统总体结构设计 |
| 4.1.1 专家系统概述 |
| 4.1.2 专家系统总体框架设计 |
| 4.2 知识库的设计 |
| 4.2.1 知识来源和获取方式 |
| 4.2.2 知识的表示方式设计 |
| 4.2.3 知识的关系分析 |
| 4.3 推理机设计 |
| 4.3.1 推理方法设计 |
| 4.3.2 推理方向选择 |
| 4.4 解释机设计 |
| 4.5 本章小结 |
| 第五章 钻井泵故障诊断专家系统软件实现与验证 |
| 5.1 专家系统数据库的建立 |
| 5.1.1 故障基础数据表设计 |
| 5.1.2 维修建议数据表设计 |
| 5.1.3 故障样本知识表示 |
| 5.1.4 故障树数据表设计 |
| 5.1.5 贝叶斯网络模型数据表设计 |
| 5.1.6 总体设计关系 |
| 5.2 专家系统各模块的实现 |
| 5.2.1 登录界面 |
| 5.2.2 主界面 |
| 5.2.3 基础信息管理模块 |
| 5.2.4 故障诊断模块 |
| 5.2.5 维修建议模块 |
| 5.2.6 模型更新模块 |
| 5.2.7 模型查看模块 |
| 5.3 故障诊断实例分析 |
| 5.4 故障诊断专家系统诊断准确度验证 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间研究成果 |
（9）基于云平台的电动汽车充电设备监控系统开发与研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 充电设备监控系统研究现状 |
| 1.2.2 充电设备故障诊断研究现状 |
| 1.3 课题研究主要内容 |
| 2 监控系统总体设计 |
| 2.1 监控系统需求功能分析 |
| 2.1.1 电动汽车充电设备管理现状 |
| 2.1.2 监控系统功能需求分析 |
| 2.1.3 监控系统功能模块设计 |
| 2.2 监控系统整体方案 |
| 2.3 充电设备性能指标 |
| 2.3.1 大功率充电机性能指标 |
| 2.3.2 直流充电桩性能指标 |
| 2.4 云平台规划 |
| 2.4.1 云平台 |
| 2.4.2 云平台选择及系统部署 |
| 2.5 本章小结 |
| 3 监控系统的硬件分析 |
| 3.1 大功率充电机硬件分析 |
| 3.1.1 大功率充电机结构分析 |
| 3.1.2 大功率充电机工作原理 |
| 3.2 直流充电桩硬件分析 |
| 3.2.1 直流充电桩结构分析 |
| 3.2.2 直流充电桩工作原理 |
| 3.3 充电设备工作状态分析 |
| 3.3.1 直流充电桩工作状态分析 |
| 3.3.2 大功率充电机工作状态分析 |
| 3.4 充电设备常见故障 |
| 3.4.1 大功率充电机常见故障 |
| 3.4.2 直流充电桩常见故障 |
| 3.5 本章小结 |
| 4 监控系统设备间的通信分析 |
| 4.1 监控系统整体通信设计 |
| 4.2 BMS与充电设备通信 |
| 4.2.1 通信设计 |
| 4.2.2 BMS与充电设备的通信流程 |
| 4.2.3 通信报文实例 |
| 4.3 大功率充电机与工控机通信 |
| 4.3.1 通信设计 |
| 4.3.2 通信报文实例 |
| 4.4 工控机与云服务器通信 |
| 4.4.1 通信设计 |
| 4.4.2 通信报文实例 |
| 4.5 本章小结 |
| 5 监控系统故障诊断分析 |
| 5.1 故障树分析法 |
| 5.1.1 故障树分析法 |
| 5.1.2 故障树的数学基础 |
| 5.1.3 故障树的定性分析 |
| 5.1.4 故障树的定量分析 |
| 5.2 模糊故障树分析法 |
| 5.2.1 模糊数 |
| 5.2.2 模糊算子 |
| 5.2.3 去模糊化 |
| 5.2.4 割集重要性分析 |
| 5.3 充电设备故障树的建立与分析 |
| 5.3.1 建立大功率充电机故障树 |
| 5.3.2 大功率充电机故障树定性分析 |
| 5.3.3 建立直流充电桩故障树 |
| 5.3.4 直流充电桩故障树定性分析 |
| 5.4 大功率充电机模糊故障树分析 |
| 5.4.1 底事件评估模糊数的聚合 |
| 5.4.2 顶事件模糊数及去模糊化 |
| 5.4.3 底事件重要性分析 |
| 5.5 直流充电桩模糊故障树分析 |
| 5.5.1 底事件评估模糊数的聚合 |
| 5.5.2 顶事件模糊数及去模糊化 |
| 5.5.3 底事件重要性分析 |
| 5.6 故障诊断算法设计 |
| 5.7 本章小结 |
| 6 监控系统的开发与实现 |
| 6.1 云平台开发方案 |
| 6.1.1 云平台的部署方案 |
| 6.1.2 对外交互接口设计 |
| 6.2 数据库设计 |
| 6.2.1 数据库选型 |
| 6.2.2 数据表设计 |
| 6.3 状态监测模块实现 |
| 6.3.1 主界面 |
| 6.3.2 充电设备基础信息 |
| 6.3.3 充电设备实时信息 |
| 6.3.4 充电设备历史信息 |
| 6.3.5 充电设备数据统计 |
| 6.4 故障诊断模块实现 |
| 6.4.1 故障实时数据 |
| 6.4.2 故障历史数据 |
| 6.4.3 故障数据统计 |
| 6.4.4 故障诊断与处理 |
| 6.5 账户管理与远程升级模块 |
| 6.6 系统部署与发布 |
| 6.7 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 附录 (一) |
| 附录 (二) |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（10）防爆无轨胶轮车故障诊断系统研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 故障诊断技术 |
| 1.2.1 国内外研究现状 |
| 1.2.2 发展概况 |
| 1.3 故障诊断方法分类 |
| 1.4 论文研究内容及结构安排 |
| 第二章 防爆无轨胶轮车故障分析 |
| 2.1 防爆无轨胶轮车特点 |
| 2.2 防爆无轨胶轮车的故障特点 |
| 2.3 无轨胶轮车常见故障分析 |
| 2.3.1 柴油机系统常见故障分析 |
| 2.3.2 底盘常见故障分析 |
| 2.3.3 电气系统常见故障分析 |
| 2.4 无轨胶轮车故障发生的原因分析 |
| 2.5 本章小结 |
| 第三章 故障树与专家系统在无轨胶轮车故障诊断中的应用研究 |
| 3.1 故障树分析法基本理论 |
| 3.2 故障树定性分析 |
| 3.3 故障树定量分析 |
| 3.4 底事件的模糊故障率分析 |
| 3.4.1 专家权重值的确定 |
| 3.4.2 底事件模糊故障率的形成 |
| 3.4.3 解模糊 |
| 3.5 无轨胶轮车常见故障的故障树分析 |
| 3.5.1 无轨胶轮车常见故障树的建立 |
| 3.5.2 无轨胶轮车故障树分析 |
| 3.6 专家系统分析 |
| 3.6.1 专家系统简介 |
| 3.6.2 专家系统的基本结构 |
| 3.6.3 专家系统推理机制 |
| 3.7 基于故障树的专家系统研究 |
| 3.8 本章小结 |
| 第四章 防爆无轨胶轮车故障诊断系统设计 |
| 4.1 专家系统知识库的设计 |
| 4.1.1 故障知识获取 |
| 4.1.2 知识表示 |
| 4.1.3 知识管理 |
| 4.2 专家系统推理机的设计 |
| 4.3 无轨胶轮车故障诊断流程 |
| 4.4 本章小结 |
| 第五章 防爆无轨胶轮车故障诊断系统实现 |
| 5.1 故障诊断系统整体设计 |
| 5.2 系统开发环境简介 |
| 5.3 数据库设计 |
| 5.4 故障诊断系统的实现 |
| 5.4.1 系统登录模块 |
| 5.4.2 系统主功能界面 |
| 5.4.3 系统故障诊断界面 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
四、汽车故障诊断知识库管理系统的研究（论文参考文献）
- [1]再犯罪改造领域知识管理系统的设计与实现[D]. 张志豪. 华东交通大学, 2021(01)
- [2]玻镁板生产线远程监控及故障诊断系统[D]. 栾凯. 江苏科技大学, 2021
- [3]基于关联规则的铁路信号设备故障诊断方法研究[D]. 张湘婷. 兰州交通大学, 2021
- [4]新能源汽车动力电池系统故障诊断研究综述[J]. 孙振宇,王震坡,刘鹏,张照生,陈勇,曲昌辉. 机械工程学报, 2021(14)
- [5]椰青开孔机远程监测系统的研究[D]. 刘鹏程. 东华大学, 2021(01)
- [6]轧机刚度数据采集及分析系统的研究[D]. 谢观义. 燕山大学, 2021(01)
- [7]FANUC系统电气故障智能诊断模型的研究[J]. 范芳洪,胡自化. 南方农机, 2021(08)
- [8]基于动态故障树的钻井泵故障诊断专家系统的设计与实现[D]. 何旋. 电子科技大学, 2021(01)
- [9]基于云平台的电动汽车充电设备监控系统开发与研究[D]. 吕艺伟. 青岛科技大学, 2021(01)
- [10]防爆无轨胶轮车故障诊断系统研究[D]. 高宏鹏. 太原科技大学, 2021