本文針對(duì)傳統(tǒng)工業(yè)架構(gòu)下工業(yè)企業(yè)面臨的數(shù)據(jù)孤島、數(shù)據(jù)處理技術(shù)不明確、數(shù)據(jù)利用效率低下等問(wèn)題,對(duì)基于Hadoop的工業(yè)時(shí)序大數(shù)據(jù)云平臺(tái)相關(guān)技術(shù)架構(gòu)進(jìn)行了深入研究,并搭建了基于該架構(gòu)的小型私有工業(yè)大數(shù)據(jù)云平臺(tái),實(shí)現(xiàn)了對(duì)工廠(chǎng)設(shè)備的云端組態(tài)、遠(yuǎn)程監(jiān)控、預(yù)測(cè)分析等。該云平臺(tái)實(shí)際應(yīng)用情況表明其對(duì)于大數(shù)據(jù)技術(shù)應(yīng)用于工業(yè)企業(yè)、促進(jìn)管理人員智能決策等具有重要的意義。本文中將上述工業(yè)大數(shù)據(jù)云平臺(tái)分為云端數(shù)據(jù)采集子系統(tǒng)、云端數(shù)據(jù)分布式存儲(chǔ)子系統(tǒng)以及云端數(shù)據(jù)分布式分析子系統(tǒng),并對(duì)各個(gè)子系統(tǒng)進(jìn)行設(shè)計(jì)和實(shí)現(xiàn)。本文的主要工作如下:首先,通過(guò)對(duì)基于OPC UA協(xié)議的數(shù)據(jù)采集客戶(hù)端進(jìn)行開(kāi)發(fā),同時(shí)對(duì)Flume,Sqoop等相關(guān)組件進(jìn)行整合,實(shí)現(xiàn)了云平臺(tái)的云端數(shù)據(jù)采集子系統(tǒng)的構(gòu)建。最終實(shí)驗(yàn)測(cè)試表明了該云端數(shù)據(jù)采集子系統(tǒng)對(duì)于多種數(shù)據(jù)源數(shù)據(jù)的采集支持以及該子系統(tǒng)的高可用性和高可擴(kuò)展性。其次,通過(guò)對(duì)Hadoop生態(tài)圈中HDFS、HBase等相關(guān)功能組件、實(shí)時(shí)數(shù)據(jù)庫(kù)Redis以及傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)MySQL等組件的部署整合,實(shí)現(xiàn)了基于Hadoop生態(tài)圈的云端數(shù)據(jù)分布式存儲(chǔ)子系統(tǒng)對(duì)于工業(yè)大數(shù)據(jù)的高可靠和多樣化存儲(chǔ)利用。然后,通過(guò)對(duì)GRU...

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 工業(yè)大數(shù)據(jù)研究現(xiàn)狀
    1.3 課題研究?jī)?nèi)容
    1.4 課題的創(chuàng)新點(diǎn)
    1.5 論文組織結(jié)構(gòu)
第二章 云平臺(tái)概述及系統(tǒng)設(shè)計(jì)
    2.1 云平臺(tái)概述
    2.2 云平臺(tái)需求分析
        2.2.1 云平臺(tái)總體需求分析
        2.2.2 云平臺(tái)其他需求分析
    2.3 大數(shù)據(jù)相關(guān)技術(shù)理論
        2.3.1 Spark分布式計(jì)算框架
        2.3.2 GRU門(mén)限遞歸神經(jīng)網(wǎng)絡(luò)
    2.4 云平臺(tái)總體架構(gòu)設(shè)計(jì)
        2.4.1 云端數(shù)據(jù)采集子系統(tǒng)
        2.4.2 云端數(shù)據(jù)分布式存儲(chǔ)子系統(tǒng)
        2.4.3 云端數(shù)據(jù)分布式分析子系統(tǒng)
    2.5 本章小結(jié)
第三章 云端數(shù)據(jù)采集子系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    3.1 功能需求分析
    3.2 功能模塊總覽
    3.3 相關(guān)技術(shù)及框架介紹
    3.4 子模塊設(shè)計(jì)與實(shí)現(xiàn)
        3.4.1 連接管理模塊
        3.4.2 數(shù)據(jù)監(jiān)測(cè)模塊
        3.4.3 數(shù)據(jù)訂閱報(bào)警模塊
        3.4.4 其他服務(wù)接口模塊
    3.5 本章小結(jié)
第四章 基于GRU網(wǎng)絡(luò)的云端數(shù)據(jù)分析子系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    4.1 需求分析
    4.2 架構(gòu)設(shè)計(jì)與優(yōu)勢(shì)
        4.2.1 架構(gòu)設(shè)計(jì)
        4.2.2 架構(gòu)的優(yōu)勢(shì)
    4.3 GRU神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)
        4.3.1 網(wǎng)絡(luò)整體結(jié)構(gòu)
        4.3.2 網(wǎng)絡(luò)設(shè)計(jì)
    4.4 GRU神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)
        4.4.1 網(wǎng)絡(luò)處理流程
        4.4.2 數(shù)據(jù)歸一化
        4.4.3 模型訓(xùn)練
        4.4.4 模型效果評(píng)價(jià)指標(biāo)
        4.4.5 模型效果測(cè)試
    4.5 并行分布式模型訓(xùn)練
        4.5.1 模型并行化訓(xùn)練原理
        4.5.2 模型并行化訓(xùn)練實(shí)現(xiàn)
    4.6 本章小結(jié)
第五章 云平臺(tái)整體部署及成果展示
    5.1 實(shí)驗(yàn)環(huán)境介紹
        5.1.1 實(shí)驗(yàn)設(shè)備網(wǎng)絡(luò)拓?fù)?br>        5.1.2 環(huán)境介紹
    5.2 云平臺(tái)子系統(tǒng)部署及測(cè)試
        5.2.1 云端數(shù)據(jù)采集子系統(tǒng)部署及測(cè)試
        5.2.2 云端數(shù)據(jù)分布式存儲(chǔ)子系統(tǒng)部署及測(cè)試
        5.2.3 云端數(shù)據(jù)分布式分析子系統(tǒng)部署及測(cè)試
    5.3 云平臺(tái)整體成果展示
        5.3.1 云端登錄與實(shí)時(shí)監(jiān)控
        5.3.2 報(bào)警管理
        5.3.3 歷史數(shù)據(jù)查詢(xún)
        5.3.4 數(shù)據(jù)預(yù)測(cè)分析
    5.4 本章小結(jié)
第六章 全文總結(jié)與未來(lái)展望
    6.1 全文總結(jié)
    6.2 未來(lái)展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝



本文編號(hào)：3796865