醫(yī)療設(shè)備機(jī)械故障診斷系統(tǒng)包括對(duì)設(shè)備的故障診斷、日常檢修以及管理,可以協(xié)助設(shè)備管理員和維修人員掌握設(shè)備的動(dòng)態(tài)信息。本文以提高維修人員對(duì)設(shè)備機(jī)械故障的診斷成功率,分析研究了粒子群優(yōu)化算法、BP神經(jīng)網(wǎng)絡(luò)以及信息融合在醫(yī)療設(shè)備的機(jī)械故障中的應(yīng)用,設(shè)計(jì)并開(kāi)發(fā)了醫(yī)療設(shè)備機(jī)械故障診斷系統(tǒng),以提升機(jī)械故障診斷的精確度,協(xié)助維修人員對(duì)設(shè)備故障做出進(jìn)一步的判斷。利用UCI的設(shè)備信號(hào)數(shù)據(jù)集對(duì)實(shí)驗(yàn)進(jìn)行了驗(yàn)證,本文主要的研究?jī)?nèi)容如下所述:（1）本文針對(duì)機(jī)械故障信號(hào)存在的數(shù)據(jù)丟失、冗余以及噪聲等問(wèn)題,提出了小波分析降噪和改進(jìn)的PSO算法（粒子群優(yōu)化算法）。結(jié)合小波分析在處理信號(hào)數(shù)據(jù)時(shí)具有多尺度分析的特點(diǎn),進(jìn)而利用小波分析對(duì)機(jī)械故障信號(hào)行降噪處理;通過(guò)利用非線性函數(shù)替換隨機(jī)函數(shù)來(lái)減弱函數(shù)隨機(jī)性對(duì)最優(yōu)子集的影響,更加高效地提升了最優(yōu)特征子集的選取。最后通過(guò)對(duì)比改進(jìn)PSO算法、原始粒子群算法以及IPSO（改進(jìn)粒子群算法）的實(shí)驗(yàn)結(jié)果,結(jié)果表明改進(jìn)PSO算法在收斂性方面比其他二者有很好的提升,縮短了特征集的選擇時(shí)間,提高了最優(yōu)特征子集的選取效率。（2）本文針對(duì)設(shè)備機(jī)械故障診斷的問(wèn)題,研究了 BP神經(jīng)網(wǎng)絡(luò)以及信息融合的理論和... 

【文章來(lái)源】：浙江理工大學(xué)浙江省

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１論文的組織結(jié)構(gòu)??

浙江理工大學(xué)碩士學(xué)位論文?基于信息融合的醫(yī)療設(shè)備機(jī)械故障診斷系統(tǒng)的研宄與開(kāi)發(fā)??ＰＳＯ算法的具體流程如圖２．?１所不。??初始化粒子的速度．位Ｈ???Ｓ???適應(yīng)度函ｆｔ值計(jì)算??ｙ??輸出敁優(yōu)解??ＧＤ??圖２．１?ＰＳＯ算法流程圖??２．２信息融合概述??２．２．１信息融合的定義??信息融合又被稱為數(shù)據(jù)融合、傳感器信息融合或者多傳感器信息融合；信息融合過(guò)程??是對(duì)單個(gè)或多個(gè)信息源數(shù)據(jù)和信息進(jìn)行關(guān)聯(lián)、整合，從而對(duì)倍息源數(shù)據(jù)獲収更加精確的定??位和估計(jì)，以及對(duì)態(tài)勢(shì)和重要程度進(jìn)行仝面冇效評(píng)估的信息處理過(guò)程；在處理過(guò)程中足－??個(gè)不斷進(jìn)行自我修正的過(guò)程，以便對(duì)獲得結(jié)果的改善。??信息融合技術(shù)概括為利用計(jì)算機(jī)技術(shù)對(duì)獲得的傳感器信息，在定義的信息融合規(guī)則下??進(jìn)行自動(dòng)分析、綜合處理，從而完成對(duì)傳感器信息的決策和評(píng)估任務(wù)。按照這－規(guī)定，估??息融合技術(shù)具有三大核心［３６］，即信息融合的硬件基礎(chǔ)傳感器系統(tǒng)、信息融合的加工對(duì)象多??源信息、以及信息融合的核心理論綜合優(yōu)化和信息整合［３７１。??２．２．２信息融合的層次結(jié)構(gòu)??信息融合技術(shù)依據(jù)對(duì)數(shù)據(jù)對(duì)象不同的融合過(guò)程，將信息融合分為像素級(jí)融合１３８］、特征??級(jí)融合［３９１、決策級(jí)融合［４Ｇ］三個(gè)等級(jí)。??（１）像素級(jí)融合??９??

浙江理工大學(xué)碩士學(xué)位論文?基于信息融合的醫(yī)療設(shè)備機(jī)械故障診斷系統(tǒng)的研宄與開(kāi)發(fā)??卜。ｄ咖集群丨?＾?Ｉ?ｃ＿——?Ｉ??Ｏ??？?ｏ??Ｉ?Ｂｒｏｋｅｒ?Ｍａｓｔｅｒ２?｜?｜?Ｂｒｏｋｅｒ?Ｍａｓｔｅｒ２?｜??圖２．８?ＲｏｃｋｅｔＭＱ部署結(jié)構(gòu)圖??２．３．４?Ｒｅｄｉｓ緩存數(shù)據(jù)庫(kù)??Ｒｅｄｉｓｌ５５＾?Ｓａｌｖａｔｏｒｅ?Ｓａｎｆｉｌｉｐｐｏ主導(dǎo)并使用ＡＮＳＩ?Ｃ語(yǔ)言開(kāi)發(fā)的基于內(nèi)存存儲(chǔ)，可持久??化的日志型、支持Ｋｅｙ－Ｖａｌｕｅ存儲(chǔ)方式的開(kāi)源數(shù)據(jù)庫(kù)，支持每秒十幾萬(wàn)級(jí)數(shù)據(jù)的存取操作，??并提供了對(duì)主流開(kāi)發(fā)語(yǔ)言支持的ＡＰＩ，其性能遠(yuǎn)遠(yuǎn)大于原始數(shù)據(jù)庫(kù)。Ｒｃｄｉｓ有三種主流的集??群配置方式，包括主從復(fù)制模式、哨兵模式、Ｃｌｕｓｔｅｒ？集群模式％１。開(kāi)發(fā)者在高并發(fā)的環(huán)境??中可選擇其中一種模式來(lái)保證數(shù)據(jù)的一致性。??主從復(fù)制模式，即主服務(wù)器自動(dòng)將數(shù)據(jù)同步到從服務(wù)器，可以進(jìn)行讀寫(xiě)分離的服務(wù)器??部署，在Ｍａｓｔｅｒ－Ｓｌａｖｅ同步期間，因?yàn)椴捎昧烁呖捎玫脑O(shè)計(jì)原則，客戶端仍可對(duì)服務(wù)器發(fā)??起請(qǐng)求，Ｓｌａｖｅ?Ｓｅｒｖｅｒ以同樣的方式進(jìn)行數(shù)據(jù)同步，在同步期間若有客戶端提交請(qǐng)求，服務(wù)??端只能返回同步之前的數(shù)據(jù)，若主機(jī)在宕機(jī)前未同步從機(jī)的數(shù)據(jù)，切換丨Ｉ５后會(huì)導(dǎo)致主從不??一致，降低了系統(tǒng)的可用性。??哨兵模式是在主從模式的基礎(chǔ)上繼續(xù)優(yōu)化，繼承了主從模式中可自由切換的特點(diǎn)，增??加了對(duì)主服務(wù)器的監(jiān)控，即哨兵會(huì)檢測(cè)主服務(wù)器是否正常工作，若發(fā)現(xiàn)主服務(wù)器出現(xiàn)宕機(jī)??時(shí)，會(huì)從剩余的從服務(wù)器屮選舉出新的主服務(wù)器，但是較難支持在線擴(kuò)容。??Ｃｌｕｓｔｅｒ集群模式是前兩種校式的染介休并在此基礎(chǔ)上要求所有的Ｒｅｄｉｓ節(jié)點(diǎn)之間采用??

【參考文獻(xiàn)】：
期刊論文
[1]基于React技術(shù)的單頁(yè)APP的設(shè)計(jì)與實(shí)現(xiàn)[J]. 張志鵬,黃素娟,周永圣,王楠.  微型電腦應(yīng)用. 2019(10)
[2]基于Redis的雙通道實(shí)時(shí)數(shù)據(jù)采集系統(tǒng)研究[J]. 徐鵬飛,齊剛,宋坤,馬馳源.  科學(xué)技術(shù)創(chuàng)新. 2019(25)
[3]基于改進(jìn)D-S證據(jù)理論的滾動(dòng)軸承故障診斷[J]. 張鋼,田福慶,梁偉閣,佘博.  海軍工程大學(xué)學(xué)報(bào). 2019(04)
[4]基于LabVIEW的醫(yī)療設(shè)備故障智能診斷系統(tǒng)[J]. 張?jiān)娀?種銀保,肖晶晶,趙鵬,晉雪旻.  儀表技術(shù)與傳感器. 2018(04)
[5]改進(jìn)的粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)及應(yīng)用[J]. 何明慧,徐怡,王冉,胡善忠.  計(jì)算機(jī)工程與應(yīng)用. 2018(19)
[6]MATLAB環(huán)境下小波分析應(yīng)用[J]. 羅海濤.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(28)
[7]應(yīng)用SpringBoot改變web應(yīng)用開(kāi)發(fā)模式[J]. 張峰.  科技創(chuàng)新與應(yīng)用. 2017(23)
[8]基于CAN總線的醫(yī)療設(shè)備實(shí)時(shí)監(jiān)測(cè)與故障診斷系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)[J]. 陳希霞,王文妍,劉慶春,孟曉東.  智慧健康. 2016(08)
[9]Redis集群性能測(cè)試分析[J]. 柳皓亮,王麗,周陽(yáng)辰.  微型機(jī)與應(yīng)用. 2016(10)
[10]大數(shù)據(jù)環(huán)境下多源信息融合的理論與應(yīng)用探討[J]. 化柏林,李廣建.  圖書(shū)情報(bào)工作. 2015(16)

博士論文
[1]物聯(lián)網(wǎng)環(huán)境下信息融合基礎(chǔ)理論與關(guān)鍵技術(shù)研究[D]. 周津.吉林大學(xué) 2014

碩士論文
[1]基于RocketMQ的高可用分布式融合通信消息系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 顏睿陽(yáng).中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所) 2018
[2]基于信息融合的發(fā)動(dòng)機(jī)故障診斷研究[D]. 曹亞鵬.哈爾濱理工大學(xué) 2017
[3]基于ReactJs的理財(cái)咨詢專家端系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 毛書(shū)豪.華中科技大學(xué) 2016
[4]基于RocketMQ的消息服務(wù)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 張文杰.華中科技大學(xué) 2016
[5]基于時(shí)序圖規(guī)劃的交通信號(hào)控制方法研究[D]. 程宇.東北師范大學(xué) 2011
[6]基于多源信息融合的發(fā)動(dòng)機(jī)故障診斷研究[D]. 嚴(yán)莉.中北大學(xué) 2010
[7]融合粒子群的全局優(yōu)化混合智能算法研究[D]. 李會(huì)榮.北方民族大學(xué) 2009
[8]卡爾曼濾波算法在GPS非差相位精密單點(diǎn)定位中的應(yīng)用研究[D]. 祁芳.武漢大學(xué) 2003



本文編號(hào)：3229538