發(fā)布時(shí)間：2022-02-28 21:18

　　使用有線網(wǎng)絡(luò)的傳統(tǒng)工業(yè)設(shè)備監(jiān)測(cè)系統(tǒng)有許多缺點(diǎn),例如布線復(fù)雜,系統(tǒng)不靈活,環(huán)境影響嚴(yán)重,電纜維護(hù)成本高。針對(duì)這些缺點(diǎn)本文設(shè)計(jì)和開發(fā)基于工業(yè)無(wú)線傳感器網(wǎng)絡(luò)（Industrial Wireless Sensor Network,IWSN）的工業(yè)設(shè)備監(jiān)測(cè)系統(tǒng),從而保證工業(yè)設(shè)備監(jiān)測(cè)數(shù)據(jù)的實(shí)時(shí)獲取,為用戶遠(yuǎn)程實(shí)時(shí)查看工業(yè)設(shè)備參數(shù)帶來(lái)方便。本文重點(diǎn)研究工業(yè)設(shè)備監(jiān)測(cè)系統(tǒng)的故障預(yù)測(cè)算法,進(jìn)而實(shí)現(xiàn)設(shè)備的預(yù)警功能,為科學(xué)管理工業(yè)設(shè)備提供可靠依據(jù)。本文重點(diǎn)研究工業(yè)設(shè)備的故障預(yù)警,采用的預(yù)警模型是動(dòng)態(tài)布谷鳥搜索算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò),進(jìn)而對(duì)工業(yè)無(wú)線傳感器網(wǎng)絡(luò)收集到的工業(yè)設(shè)備運(yùn)行參數(shù)信息進(jìn)行分析預(yù)測(cè)。為了加速網(wǎng)絡(luò)的收斂速度和盡量避免出現(xiàn)陷入局部極小值的問(wèn)題,本文采用動(dòng)態(tài)布谷鳥搜索算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行優(yōu)化。針對(duì)優(yōu)化算法完全隨機(jī)化的缺點(diǎn)本文提出了動(dòng)態(tài)布谷鳥搜索算法,動(dòng)態(tài)布谷鳥搜索算法改進(jìn)了步長(zhǎng)和發(fā)現(xiàn)概率,把適應(yīng)度函數(shù)值的變化趨勢(shì)引入到步長(zhǎng)更新公式中,平衡了搜索速度和精度,算法初期全局搜索大步長(zhǎng),算法后期局部搜索小步長(zhǎng)。同時(shí)在全局最優(yōu)解被發(fā)現(xiàn)的過(guò)程中,提高了解適應(yīng)度好的后代保留概率,改善了偏好隨機(jī)游走的不確定性... 

【文章來(lái)源】：沈陽(yáng)理工大學(xué)遼寧省

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的研究背景與目的意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 工業(yè)無(wú)線傳感器網(wǎng)絡(luò)研究現(xiàn)狀
        1.2.2 設(shè)備監(jiān)測(cè)技術(shù)研究現(xiàn)狀
        1.2.3 設(shè)備故障診斷研究現(xiàn)狀
    1.3 論文的主要工作
    1.4 論文的組織結(jié)構(gòu)
第2章 布谷鳥搜索算法的研究與改進(jìn)
    2.1 布谷鳥搜索算法的基本原理
        2.1.1 布谷鳥巢寄繁殖行為
        2.1.2 萊維飛行
    2.2 布谷鳥搜索算法的數(shù)學(xué)模擬
        2.2.1 布谷鳥搜索算法的數(shù)學(xué)模型
        2.2.2 布谷鳥搜索算法的參數(shù)選擇
    2.3 布谷鳥搜索算法的基本流程
    2.4 布谷鳥搜索算法的研究現(xiàn)狀
    2.5 改進(jìn)的動(dòng)態(tài)布谷鳥搜索算法
        2.5.1 改進(jìn)算法的基本思想
        2.5.2 動(dòng)態(tài)布谷鳥搜索算法的基本步驟
    2.6 動(dòng)態(tài)布谷鳥搜索算法性能仿真測(cè)試
    2.7 本章小結(jié)
第3章 DCS優(yōu)化的BP網(wǎng)絡(luò)預(yù)測(cè)模型構(gòu)建與仿真
    3.1 預(yù)測(cè)技術(shù)在故障預(yù)警中的應(yīng)用
        3.1.1 基于可靠性的預(yù)測(cè)方法
        3.1.2 基于失效物理模型的預(yù)測(cè)方法
        3.1.3 基于數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)方法
    3.2 人工神經(jīng)網(wǎng)絡(luò)
        3.2.1 神經(jīng)網(wǎng)絡(luò)概述
        3.2.2 神經(jīng)元模型
        3.2.3 神經(jīng)網(wǎng)絡(luò)模型分類
        3.2.4 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法
    3.3 BP神經(jīng)網(wǎng)絡(luò)
        3.3.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則
        3.3.3 BP神經(jīng)網(wǎng)絡(luò)在實(shí)際應(yīng)用中存在的問(wèn)題
    3.4 基于DCS算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型
    3.5 工業(yè)設(shè)備故障預(yù)警模型的整體設(shè)計(jì)及仿真結(jié)果
    3.6 本章小結(jié)
第4章 工業(yè)設(shè)備監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    4.1 系統(tǒng)總體設(shè)計(jì)
    4.2 系統(tǒng)功能分層設(shè)計(jì)
    4.3 傳感子網(wǎng)硬件平臺(tái)
        4.3.1 傳感器節(jié)點(diǎn)硬件平臺(tái)
        4.3.2 網(wǎng)關(guān)硬件平臺(tái)
    4.4 中間件的設(shè)計(jì)與實(shí)現(xiàn)
        4.4.1 數(shù)據(jù)請(qǐng)求模塊
        4.4.2 數(shù)據(jù)解析模塊
        4.4.3 節(jié)點(diǎn)管理模塊
        4.4.4 設(shè)備報(bào)警模塊
    4.5 遠(yuǎn)程實(shí)時(shí)監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
        4.5.1 實(shí)時(shí)數(shù)據(jù)可視化模塊
        4.5.2 歷史數(shù)據(jù)查詢模塊
        4.5.3 遠(yuǎn)程預(yù)警配置模塊
        4.5.4 設(shè)備故障預(yù)測(cè)模塊
        4.5.5 用戶權(quán)限管理模塊
        4.5.6 系統(tǒng)備份和恢復(fù)模塊
    4.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]工業(yè)設(shè)備遠(yuǎn)程監(jiān)控系統(tǒng)關(guān)鍵技術(shù)[J]. 吳占軍.  電子世界. 2018(18)
[2]WebSocket技術(shù)在工業(yè)設(shè)備數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)中的應(yīng)用[J]. 張文,牟艷,高振興,劉志豐.  計(jì)算機(jī)與現(xiàn)代化. 2017(11)
[3]新一代電源質(zhì)量監(jiān)控技術(shù)——幫助工業(yè)設(shè)備保持良好狀態(tài)[J]. Swarnab Banerje,Niranjan Chandrappa.  今日電子. 2017(05)
[4]面向Android的工業(yè)設(shè)備遠(yuǎn)程監(jiān)控系統(tǒng)設(shè)計(jì)[J]. 趙炯,周影.  機(jī)電工程. 2016(12)
[5]基于物聯(lián)網(wǎng)與計(jì)算機(jī)技術(shù)的工業(yè)設(shè)備監(jiān)控系統(tǒng)[J]. 張光.  計(jì)算機(jī)與數(shù)字工程. 2016(10)
[6]基于模糊神經(jīng)網(wǎng)絡(luò)的智能家居監(jiān)測(cè)系統(tǒng)[J]. 吳雅琴,譚媚心,李惠君,冀利飛.  福建電腦. 2016(04)
[7]基于BP神經(jīng)網(wǎng)絡(luò)的鐵路客運(yùn)設(shè)備故障監(jiān)測(cè)模型設(shè)計(jì)與研究[J]. 程清波.  鐵路計(jì)算機(jī)應(yīng)用. 2016(02)
[8]布谷鳥搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測(cè)[J]. 杜振寧.  電子技術(shù)應(yīng)用. 2015(03)
[9]基于DSP和粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)的齒輪箱故障監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J]. 潘銘哲,潘宏俠,李莎.  煤礦機(jī)械. 2014(12)
[10]基于神經(jīng)網(wǎng)絡(luò)的抽油機(jī)遠(yuǎn)程監(jiān)控信息延時(shí)的預(yù)測(cè)研究[J]. 姚向新,李曉彤.  機(jī)電信息. 2014(30)

碩士論文
[1]基于WSN的溫室大棚環(huán)境監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn)[D]. 朱廣華.沈陽(yáng)理工大學(xué) 2018
[2]面向工業(yè)設(shè)備監(jiān)控的無(wú)線傳感器網(wǎng)絡(luò)系統(tǒng)設(shè)計(jì)[D]. 鄒軍華.大連理工大學(xué) 2012



本文編號(hào)：3645597