傳統(tǒng)工業(yè)設(shè)備運(yùn)維的定期維修模式,導(dǎo)致設(shè)備存在維修不及時(shí)、運(yùn)維成本高等問(wèn)題�；谌斯ぶ悄芩惴ǖ脑O(shè)備故障診斷的出現(xiàn)為設(shè)備運(yùn)維提供了新的解決方案。當(dāng)前大多數(shù)針對(duì)設(shè)備故障診斷的研究停留算法理論層面,未結(jié)合具體工業(yè)設(shè)備運(yùn)維場(chǎng)景,診斷模型實(shí)際效果有待驗(yàn)證�；跀�(shù)據(jù)驅(qū)動(dòng)的故障診斷是當(dāng)前故障診斷領(lǐng)域的主流方向,但它對(duì)傳感器數(shù)據(jù)質(zhì)量和故障診斷算法的性能要求較高。將故障診斷集成到物聯(lián)網(wǎng)系統(tǒng)中直接獲取設(shè)備監(jiān)測(cè)數(shù)據(jù)進(jìn)行故障診斷模型的訓(xùn)練預(yù)測(cè),極大提高模型的準(zhǔn)確性。本文結(jié)合實(shí)際工業(yè)物聯(lián)網(wǎng)應(yīng)用場(chǎng)景,研究了工業(yè)數(shù)據(jù)采集技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)故障診斷算法。設(shè)計(jì)研發(fā)一套工業(yè)物聯(lián)網(wǎng)云平臺(tái)系統(tǒng)對(duì)各式工業(yè)傳感器采集的數(shù)據(jù)進(jìn)行監(jiān)測(cè)分析存儲(chǔ)。設(shè)計(jì)基于卷積神經(jīng)網(wǎng)絡(luò)的故障診斷模型,將其集成到工業(yè)物聯(lián)網(wǎng)云平臺(tái)系統(tǒng)之中,完成對(duì)設(shè)備狀態(tài)的實(shí)時(shí)監(jiān)測(cè)與運(yùn)行狀態(tài)估計(jì),并給予運(yùn)維建議。本文主要工作在以下三個(gè)方面。研究工業(yè)物聯(lián)網(wǎng)的相關(guān)技術(shù),對(duì)應(yīng)用在工業(yè)物聯(lián)網(wǎng)云平臺(tái)系統(tǒng)中的工業(yè)傳感器技術(shù)、工業(yè)信息采集技術(shù)以及工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)傳輸協(xié)議進(jìn)行選型調(diào)試,實(shí)現(xiàn)設(shè)備狀態(tài)數(shù)據(jù)采集上傳的完整數(shù)據(jù)鏈路。設(shè)計(jì)開(kāi)發(fā)工業(yè)物聯(lián)網(wǎng)云平臺(tái)系統(tǒng)。系統(tǒng)選用B/S(Browser/Serve...

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題的研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 工業(yè)物聯(lián)網(wǎng)技術(shù)研究現(xiàn)狀
        1.2.2 故障診斷方法研究現(xiàn)狀
        1.2.3 基于工業(yè)物聯(lián)網(wǎng)系統(tǒng)的故障診斷研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
第二章 工業(yè)物聯(lián)網(wǎng)的相關(guān)技術(shù)
    2.1 工業(yè)傳感器技術(shù)
    2.2 工業(yè)信息采集技術(shù)
    2.3 工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)傳輸協(xié)議
    2.4 本章小結(jié)
第三章 工業(yè)互聯(lián)網(wǎng)云平臺(tái)實(shí)現(xiàn)
    3.1 工業(yè)互聯(lián)網(wǎng)云平臺(tái)技術(shù)路線
    3.2 工業(yè)互聯(lián)網(wǎng)云平臺(tái)硬件基礎(chǔ)
    3.3 開(kāi)發(fā)環(huán)境與服務(wù)器端配置
    3.4 擴(kuò)展Kafka集群
        3.4.1 .配置虛擬機(jī)
        3.4.2 配置Zookeeper
        3.4.3 配置kafka文件
    3.5 平臺(tái)數(shù)據(jù)庫(kù)設(shè)計(jì)
        3.5.1 設(shè)備消息表設(shè)計(jì)
        3.5.2 用戶信息表設(shè)計(jì)
        3.5.3 設(shè)備類型信息表設(shè)計(jì)
        3.5.4 網(wǎng)絡(luò)信息表設(shè)計(jì)
        3.5.5 插件信息表設(shè)計(jì)
        3.5.6 用戶網(wǎng)絡(luò)信息表設(shè)計(jì)
    3.6 工業(yè)物聯(lián)網(wǎng)云平臺(tái)啟動(dòng)
    3.7 工業(yè)互聯(lián)網(wǎng)平臺(tái)界面及功能介紹
        3.7.1 工業(yè)物聯(lián)網(wǎng)平臺(tái)登陸頁(yè)面
        3.7.2 用戶設(shè)置頁(yè)面
        3.7.3 網(wǎng)絡(luò)設(shè)置頁(yè)面
        3.7.4 設(shè)備類型設(shè)置頁(yè)面
        3.7.5 設(shè)備詳情頁(yè)面
        3.7.6 令牌設(shè)置頁(yè)面
        3.7.7 插件設(shè)置頁(yè)面
    3.8 本章小結(jié)
第四章 工業(yè)物聯(lián)網(wǎng)云平臺(tái)測(cè)試
    4.1 kafka集群測(cè)試
    4.2 傳感器采集數(shù)據(jù)MQTT通信測(cè)試
    4.3 平臺(tái)設(shè)備接入性能壓力測(cè)試
    4.4 本章小結(jié)
第五章 基于卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷
    5.1 卷積神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
        5.1.1 輸入層
        5.1.2 卷積層
        5.1.3 池化層
        5.1.4 激勵(lì)函數(shù)層
    5.2 軸承數(shù)據(jù)解讀
    5.3 CNN模型構(gòu)建
    5.4 模型調(diào)參數(shù)與實(shí)驗(yàn)結(jié)果
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 未來(lái)展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文及所獲得研究成果
致謝



本文編號(hào)：3833458