本文關(guān)鍵詞：煤礦設(shè)備點檢系統(tǒng)的優(yōu)化設(shè)計與實現(xiàn)

  更多相關(guān)文章： 點檢系統(tǒng) 點檢路線優(yōu)化 遺傳算法 狀態(tài)趨勢預(yù)測

【摘要】：設(shè)備管理是煤礦企業(yè)管理的重要組成部分,設(shè)備管理的進(jìn)步是促進(jìn)企業(yè)管理方式成功轉(zhuǎn)型的重要途徑。針對現(xiàn)階段煤礦企業(yè)在設(shè)備管理方面存在點檢路線安排不合理及無法準(zhǔn)確把握設(shè)備運行狀態(tài)趨勢的問題,結(jié)合現(xiàn)有煤礦設(shè)備點檢系統(tǒng),研究點檢路線優(yōu)化問題與設(shè)備狀態(tài)趨勢預(yù)測問題,優(yōu)化點檢系統(tǒng)的功能,為搭建功能更為完善的點檢系統(tǒng)奠定基礎(chǔ)。論文以煤礦設(shè)備點檢系統(tǒng)的優(yōu)化設(shè)計為目的,首先分析點檢過程中手工安排點檢路線易造成路線混亂、任務(wù)分配不均的現(xiàn)象,給出點檢路線優(yōu)化問題的定義,建立以點檢路線最短為優(yōu)化目標(biāo)的數(shù)學(xué)模型,采用遺傳算法進(jìn)行優(yōu)化。其次,針對設(shè)備狀態(tài)趨勢難以把握、狀態(tài)數(shù)據(jù)種類繁多及數(shù)據(jù)樣本大小不同等問題,分析不同預(yù)測算法的特點及適用范圍,選用預(yù)測速度快、精度高、建模方便的小波神經(jīng)網(wǎng)絡(luò)算法和灰色模型作為算例,分別建立預(yù)測模型并實例驗證,為系統(tǒng)算法庫的開發(fā)提供理論依據(jù)。最后,基于以上研究過程,開發(fā)系統(tǒng)的點檢路線優(yōu)化模塊和設(shè)備狀態(tài)趨勢預(yù)測模塊、系統(tǒng)數(shù)據(jù)庫、算法庫等,實現(xiàn)系統(tǒng)優(yōu)化設(shè)計所需關(guān)鍵技術(shù)的研究,完成煤礦設(shè)備點檢系統(tǒng)的優(yōu)化設(shè)計。經(jīng)過對煤礦設(shè)備點檢系統(tǒng)的優(yōu)化設(shè)計,使系統(tǒng)具有功能多樣化、點檢管理智能化、實際應(yīng)用價值高等優(yōu)勢,有效地滿足了煤礦企業(yè)的實際需求并促進(jìn)了設(shè)備管理的進(jìn)步。
【關(guān)鍵詞】：點檢系統(tǒng) 點檢路線優(yōu)化 遺傳算法 狀態(tài)趨勢預(yù)測
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TD40;TP311.52
【目錄】：

• 摘要2-3
• ABSTRACT3-7
• 1 緒論7-13
• 1.1 課題研究背景及意義7-9
• 1.1.1 研究背景7-8
• 1.1.2 研究意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢9-12
• 1.2.1 設(shè)備點檢管理系統(tǒng)研究現(xiàn)狀9-10
• 1.2.2 點檢路線優(yōu)化技術(shù)研究現(xiàn)狀10-11
• 1.2.3 設(shè)備狀態(tài)趨勢預(yù)測研究現(xiàn)狀11-12
• 1.3 論文研究內(nèi)容12-13
• 2 系統(tǒng)框架13-19
• 2.1 系統(tǒng)架構(gòu)13-14
• 2.1.1 系統(tǒng)網(wǎng)絡(luò)架構(gòu)13
• 2.1.2 系統(tǒng)業(yè)務(wù)邏輯架構(gòu)13-14
• 2.2 系統(tǒng)功能模塊優(yōu)化14-18
• 2.2.1 煤礦企業(yè)問題分析14-15
• 2.2.2 系統(tǒng)功能發(fā)展15-17
• 2.2.3 系統(tǒng)功能優(yōu)化設(shè)計17-18
• 2.3 本章小結(jié)18-19
• 3 基于遺傳算法的設(shè)備點檢路線優(yōu)化19-32
• 3.1 存在問題分析19-20
• 3.2 點檢路線優(yōu)化問題20-22
• 3.2.1 約束條件20-21
• 3.2.2 點檢因素21-22
• 3.3 點檢路線優(yōu)化建模22-23
• 3.4 基于遺傳算法的模型求解23-31
• 3.4.1 構(gòu)造群體25
• 3.4.2 編碼方案25-26
• 3.4.3 設(shè)計算子26-27
• 3.4.4 適應(yīng)度函數(shù)27-28
• 3.4.5 實例驗證28-31
• 3.5 本章小結(jié)31-32
• 4 設(shè)備狀態(tài)趨勢預(yù)測32-44
• 4.1 趨勢預(yù)測技術(shù)32-34
• 4.1.1 趨勢預(yù)測技術(shù)概述32-33
• 4.1.2 基于數(shù)據(jù)的趨勢預(yù)測方法分析33-34
• 4.2 小波神經(jīng)網(wǎng)絡(luò)34-37
• 4.2.1 小波神經(jīng)網(wǎng)絡(luò)理論34-36
• 4.2.2 預(yù)測模型建立36-37
• 4.3 灰色預(yù)測模型37-40
• 4.3.1 灰色預(yù)測37
• 4.3.2 預(yù)測模型建立37-40
• 4.4 實例驗證40-43
• 4.4.1 小波神經(jīng)網(wǎng)絡(luò)實例驗證40-41
• 4.4.2 灰色模型實例驗證41-43
• 4.5 本章小結(jié)43-44
• 5 系統(tǒng)優(yōu)化設(shè)計與實現(xiàn)44-54
• 5.1 系統(tǒng)開發(fā)關(guān)鍵技術(shù)44
• 5.2 系統(tǒng)關(guān)鍵部分設(shè)計44-46
• 5.2.1 點檢路線優(yōu)化功能44-45
• 5.2.2 狀態(tài)趨勢預(yù)測功能45-46
• 5.3 算法庫設(shè)計46
• 5.4 點檢系統(tǒng)數(shù)據(jù)庫46-50
• 5.4.1 數(shù)據(jù)模型建立47
• 5.4.2 數(shù)據(jù)字典47-50
• 5.5 系統(tǒng)實現(xiàn)及測試50-52
• 5.5.1 運行環(huán)境配置50-51
• 5.5.2 系統(tǒng)實現(xiàn)及運行51-52
• 5.6 本章小結(jié)52-54
• 6 結(jié)論與展望54-55
• 6.1 結(jié)論54
• 6.2 展望54-55
• 致謝55-56
• 參考文獻(xiàn)56-60
• 附錄60

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫雪;王成新;郝兆印;;“一帶一路”戰(zhàn)略背景下我國煤炭行業(yè)轉(zhuǎn)型發(fā)展探究[J];煤炭經(jīng)濟(jì)研究;2015年07期

2 林洋;諸強;高敏;安崢;高海鵬;;基于RFID的醫(yī)療設(shè)備使用狀態(tài)監(jiān)測系統(tǒng)[J];中國醫(yī)療設(shè)備;2015年06期

3 鄧榮軍;王斌;熊典;代禮弘;;基于遺傳算法的輸電線路無人機巡檢路徑規(guī)劃[J];計算機測量與控制;2015年04期

4 李永耀;韓捷;陳磊;郝旺身;管騰飛;;基于AR-Kalman的機械設(shè)備狀態(tài)趨勢預(yù)測方法研究[J];制造業(yè)自動化;2014年12期

5 史恩秀;陳敏敏;李俊;黃玉美;;基于蟻群算法的移動機器人全局路徑規(guī)劃方法研究[J];農(nóng)業(yè)機械學(xué)報;2014年06期

6 胡瑾秋;張來斌;胡春艷;李文強;;基于數(shù)據(jù)自組織挖掘的機械設(shè)備狀態(tài)退化預(yù)警方法[J];中國石油大學(xué)學(xué)報(自然科學(xué)版);2014年03期

7 曹現(xiàn)剛;張懷珠;惠陽;;煤礦設(shè)備點檢管理系統(tǒng)研究[J];工礦自動化;2014年05期

8 崔麗群;張明杰;許X;;基于改進(jìn)蟻群算法的應(yīng)急救援路線選擇[J];計算機工程與應(yīng)用;2014年23期

9 陳瑤;霍佳震;;整數(shù)編碼的組群遺傳算法在分組優(yōu)化中的設(shè)計和應(yīng)用[J];上海交通大學(xué)學(xué)報;2013年03期

10 張國亮;;動態(tài)環(huán)境中移動機器人路徑規(guī)劃研究綜述[J];機床與液壓;2013年01期

，

本文編號：849005