一、B/S模式下的振动远程故障诊断系统（论文文献综述）
钱泽琛[1]（2021）在《汽轮发电机组远程振动监测和故障诊断系统研究》文中研究说明二十一世纪的中国经济发展突飞猛进,有力的带动着电力行业的发展。目前,我国电力行业仍以传统火电厂发电为主,汽轮发电机组在运行过程中,一旦发生故障,将会对电网以及电厂的经济效益产生非常大的影响。为避免故障的发生,需要对汽轮发电机组状态进行监测,并对其所发生的故障进行诊断。我国大部分振动监测和故障诊断系统是基于C/S模式下开发的,C/S系统由于受到局域网的局限,并不能满足当下需求。随着网络信息技术的发展,对汽轮发电机组远程振动监测和故障诊断成为一种可能,本文针对汽轮发电机组开发一套远程振动监测和故障诊断系统。本文首先对汽轮发电机组振动监测和故障诊断系统的发展和国内外研究现状进行详细调研,并且对振动监测技术和故障诊断技术原理进行研究,为系统开发奠定理论基础。通过对不同模式下的系统优缺点对比,最终选择以B/S模式作为系统开发模式。为避免B/S系统由于系统维护等原因造成不能使用,因此配套开发C/S系统。通过对B/S系统和C/S系统的功能需求、数据储存方式需求进行分析,初步确定开发方案。本文对B/S系统和C/S系统进行开发时,选用.NET作为开发平台,SQL Server数据库作为数据储存容器,C#语言、HTML5语言作为开发语言。系统主要开发功能包括振动监测、历史数据查看、信息配置、报警提醒和故障诊断功能,可实现对汽轮发电机组的远程振动监测和在线故障诊断。本文对系统的功能开发过程、使用技术详细介绍,针对实时监测、故障诊断和报警功能重点研究。成功开发系统后进行测试,并将最终结果进行展示。
谈太振[2]（2020）在《基于web的电主轴在线监测与故障诊断系统研究》文中进行了进一步梳理机械设备故障在机械运行过程中不可避免的发生,设备出现故障首先不能完成既定的设备功能,还隐藏着巨大的危险,设备故障不能得到及时处理,可能引发火灾、爆炸等伤害性极大的生产安全事故,给人民的生命财产安全带来隐患,所以工业安全要求有效的监管,如何从技术上实现对设备运行工况的在线监测和远程诊断是一个具有现实研究意义的课题。传感器等检测仪器的发展为故障检测提供良好的非现场监测手段,同时,对监测数据采集和储存对实现故障类型分析和诊断决策提供有力的数据支撑。电主轴作为工业生产广泛应用的数控机床加工的核心部件之一,其工作性能直接关系到数控加工的运行。为保证电主轴在实际工况下正常运行和被加工产品的加工质量,针对电主轴运行状况的故障诊断系统研究显得异常重要。本文在物联网的大背景下,以实现工业互联网为基调,针对电主轴实时运行情况作为对象,展开了基于web的故障诊断系统的研究,实现了数据共享、机械设备分布式监测、数据集中处理的目的。首先,本文通过分析电主轴特性,选取能反映元件故障的特征信号,利用互感器等采集监测设备进行原始信号采集和处理,通过网络传输协议,将采集信号和信号对应所属监测编号统一传输到数据库进行储存和集中式管理,其次,为优化数据处理速度,本文设计实时数据表和历史数据表,以及对各监测点进行分表储存等一系列数据库调优设计处理,另外采用幅值恢复法,剔除电流基频操作,有效的建立故障的特征数据表。然后,利用BP神经网络智能算法,搭建本文的故障诊断系统,针对此模型易陷入极小值、迭代慢等问题,提出使用PSO粒子群算法进行优化,并通过matlab仿真验证其有效性。最后,基于Java语言实现后台程序,HTML等实现前端程序,并借助Jdbc、echart、easyui、ajax、拦截器、定时器、跨应用调用matlab等web技术实现了浏览器端B/S架构下的实时监测、诊断以及衍生的系统辅助功能。
张健[3]（2020）在《基于云服务的滚动轴承在线监测与诊断系统设计》文中进行了进一步梳理在现代工业生产中,设备是企业生命的主体、生命线,因此设备故障诊断往往被企业视为重中之重。近些年来,随着云计算技术的不断成熟,设备故障诊断和云计算技术的深入结合已经逐渐成为了大势所趋。基于云服务的设备监测和故障诊断系统通常以人为主导,利用计算机硬件、软件、网络通信设备、云服务器、云数据库以及其他办公设备,进行数据的监控、收集、传输、储存,通过对采集到的数据进行分析,可尽早发现设备运行过程中的故障,及时消除潜在的安全隐患,以达到保障设备安全运行的目的。本文设计了一个基于云服务的设备监测和故障诊断系统,以旋转设备的滚动轴承作为监测对象,阿里云服务器为主要平台,采用B/S的结构模式,用户可方便快捷通过移动端和PC端访问。故障诊断系统主要采用目前技术较为成熟、应用比较广泛的SpringBoot框架,作为一个微服务开发框架,使用SpringBoot可快速搭建起一个分布式系统,同时还可为用户定制符合实际业务场景的系统,对企业需求进行专业定制,大大减少了不必要的浪费同时节约成本。人机交互页面展示的主要内容包括设备轴承的速度加速度频谱图、包络时域波形、包络频域波形,结合故障诊断的国际标准,判断是否有故障发生,并且可以判断故障发生的严重程度。当确定故障发生时,产生告警信号到用户界面,达到故障诊断的目的。同时系统支持故障信息上传下载,通过与专家系统相连接,可进一步对故障分析处理。将故障诊断系统部署至阿里云服务器,对系统进行调试调优,系统图形显示清晰明了,数据分析合理正确,功能实用全面,成功验证了设备监测和故障诊断系统可以及时有效地发现设备运行中潜在故障和已发生的初期故障,证明故障诊断系统在企业设备生产运行过程中可发挥有效作用。
杨浩[4]（2020）在《水电站水轮机组远程监控系统研究与开发》文中指出近些年来,随着科学与技术的不断发展,国家在每个行业领域倡导绿色环保、智能化、大数据等现代化技术。由于清洁、可再生、基本无污染等优点,水电在电力供应中所占的比例越来越高。但在我国目前水电生产过程中仍然存在诸多问题,如水电站偏远、工作条件艰苦、电站底层工作知识匮乏、电站管理系统多样、电站之间存在局限性局域性等。以东方电气集团东方电机有限公司横向课题项目为背景,以在运行的东方电气集团水电站水轮机设备作为研究对象,针对东方电气集团东方电机有限公司业务发展的特点以及适应当下信息化的要求,通过将目前先进的计算机技术、云服务技术、传感器技术和人工智能技术等结合,开发出一套水电站水轮机组远程监控运维系统,将制造和运营连接,数据共享,通过运营中的问题,不断改善和提升水轮机设备的性能,实现大数据的水电站运营模式,对水电站现场设备的远程监测、远程控制以及故障诊断预测等功能,所做具体工作如下:开发以云服务器为中心的水电站水轮机远程监控系统的数据通讯方式,包括开发采用C/S模式通过Modbus TCP协议实现PLC和本地服务器之间的通讯界面、以VPN方式完成PLC和云服务器之间的数据通讯,同时采用ADO.NET技术将数据保存至云服务器,开发Web Service服务的B/S模式的移动用户与云服务器之间的数据通讯。开发水电站水轮机远程监控系统的上位软件,包括云服务器的配置选择、数据库的对比选择、系统软件的开发。其中系统软件的开发包括数据管理、用户管理、系统管理、远程控制界面,基于C/S的生成.exe文件,基于B/S的Web系统在云服务器发布,最后完成整个混合模式的软件。验证嵌入Elman神经网络的智能专家系统和系统云服务器性能,包括对某一型号的水轮机采集变转速、变励磁、变负荷下的振动数据进行分析,对云服务器增加其用户量测试其是否能正常运行。
毛炜炜[5]（2020）在《基于LoRa射频技术的B/S模式动设备状态远程监测系统的研究》文中研究表明发展具有丰富故障诊断功能的动设备状态远程监测系统是大势所趋,但由于受到硬件技术及成本等因素的制约,目前动设备管理时企业一般是采用趋势状态监测系统进行日常监测,发现故障时再用专业仪器进行故障诊断。这种方式存在对快速发展的故障无法进行及时诊断的问题。本文针对工程实际,结合趋势监测与专业故障诊断的不同特点,提出并实现了一种基于LoRa射频技术的B/S模式动设备状态远程监测系统。本系统除常规趋势监测功能外还具备初步的故障诊断功能,且具有通信距离远、实时性好等特点。本文的主要内容如下:（1）提出了基于LoRa射频技术的B/S模式动设备状态远程监测系统方案。系统由监测节点、中心网关和管控中心三部分组成。监测节点以单片机、传感器和LoRa模块为核心,负责数据采集和指令执行。中心网关以单片机、网关模块和LoRa模块为核心,负责数据收集和转发。管控中心以GatewayWorker为核心框架,以云服务器为平台,是监测系统的控制中心,负责管理设备数据的采集、存储、分析和展示。（2）设计了适用于本监测系统的多协议协同通信方案。方案分为视图层方案和下位机方案两部分。视图层方案将监测系统的高低频请求分离,高频请求使用Websocket技术以获得更好的实时性,低频请求使用HTTP技术,以减小服务器压力。下位机通信方案以LoRa技术为核心提升系统监测范围,利用TCP长连接技术保证中心网关和服务器通信的实时性。（3）设计并实现了监测节点、中心网关和管控中心。监测节点设计包括监测参数的确定、传感器选型和单片机程序设计。中心网关设计包括网关和LoRa射频模块选型、单片机程序设计以及射频参数调优。管控中心设计包括Worker程序设计、信号分析模块设计、数据库设计、设备和用户信息管理模块设计等。（4）开发了具有跨平台能力的Web客户端。使用Vue响应式布局技术作为客户端程序核心框架,利用HighCharts组件实现了设备数据的图表显示。最后对监测系统的监测诊断功能、实时性、响应速度和通信距离等方面进行了测试,验证了系统的优良性能。
刘英豪[6]（2019）在《风力发电机远程监控及其健康预测系统的开发》文中认为随着不可再生能源的逐渐匮乏和环境污染问题的日益加剧,风能等可再生清洁能源受到全球各个国家和地区政府的青睐和大力支持。风力发电机结构较复杂,且长期连续地工作在自然条件较恶劣的陆地和海上,容易发生故障。如果不能及时地发现问题,容易使小故障逐渐发展成重大事故,造成不可挽回的损失。因此,如何利用智能检测手段及时发现风力发电机的潜在故障,并通过实时远程监控系统及时预警是目前风电行业正在研究的重要课题。本文对风力发电机的常见故障进行了分析,从不同的方向提出了两种故障诊断的方法,设计实现了基于B/S模式的风力发电机远程监控及健康预测系统。本文的主要研究内容包括以下几个方面:（1）根据风力发电机的结构特点,对重要部件的故障原因进行了分析。（2）根据风力发电机在不同健康状态下关键部位的振动信号具有规律性,提出了一种基于振动信号处理的故障诊断方法。对关键部位的振动信号,采用CEEMDAN方法分解得到一系列IMF分量,结合豪斯多夫距离和互相关系数选取有用的IMF分量组成一矩阵,对此矩阵进行奇异值分解,选较大的几个奇异值,归一化处理后作为一组状态特征值。采用极限学习机算法对各种状态的特征值进行了分类训练和预测,并使用支持向量机算法对比验证了所提出方法的预测准确性和快速性。（3）考虑到零部件的故障率也会对设备的故障诊断有很重要的作用,提出了一种基于零部件故障率和故障症状的设备故障诊断方法。基于威布尔分布模型建立了零部件故障率求解算法,运用模糊综合评判方法构建了基于故障症的诊断方法,将零部件的故障率引入了故障诊断模型,通过实例验证了提出方法的适用性。（4）应用B/S架构和Apache+MySQL+PHP组合,开发了风力发电机远程监控系统,实现了用户登录、管理,各风电场、各风机运行状态监控,报表绘制等功能,并结合Python语言实现了本文提出的基于振动信号的故障诊断与预测功能。
王昶[7]（2019）在《基于Web的MG型通用门式起重机远程监测与故障诊断系统的研究与开发》文中研究指明随着我国工业持续发展,商品贸易以及基础设施建设的力度随之加大,对门式起重机这种重型起重设备的需求也越来越多,根据我国质检总局公布的相关消息,门式起重机相关事故在特种设备故障发生事故中占四成以上,由于门式起重机的监测诊断功能还不完善,需要通过专业人员现场勘查、肉眼识别来判断门式起重机运行状况和是否存在故障,这也导致了高强度作业的门式起重机无法得到及时有效的监测诊断,从而可能导致严重的安全隐患。针对这种监测与诊断功能不完善的情况,本文将基于Web开发一个MG型通用门式起重机远程监测与故障诊断系统,在B/S架构上实现对门式起重机实时在线监测和准确高效的故障诊断功能。本文主要的工作内容如下:1)分析门式起重机监测诊断的国内外研究现状。根据门式起重机的发展以及各个公司的研制情况,分析了门式起重机在国内外的监测诊断的发展情况,并依据Web技术的国内外发展现实,分析了基于Web技术上门式起重机监测与诊断的发展趋势。2)设计了基于Web的MG型通用门式起重机远程监测与故障诊断系统总体方案。通过参考相应的国家标准和书籍资料,分析了门式起重机监测所需的参数以及系统功能,确定了ajax的数据传输方案以及依托ActiveX控件技术的数据分析解决方案,并确立了MG型通用门式起重机故障诊断的主要内容。3)提出了基于形态分量分析（MCA）的GA-BP神经网络起重机齿轮箱故障诊断方法。分析了齿轮箱中齿轮与滚动轴承故障机理与特征,并建立表征故障情况的特征参数,采用GA算法来改善BP网络易于陷入局部最小的缺点,并采用MCA方法来优化提取齿轮箱振动数据的故障特征分量对GA-BP进行收敛速度以及诊断精确度的提高,并通过实验数据集和公开数据集来验证该方法的有效性和快捷性。4)提出了基于故障树分析（FTA）的门式起重机行车电气设备专家系统诊断方法。通过FTA来确定MG型通用门式起重机行车与电气设备的诊断方法,构建相关的故障树,并以此建立专家系统知识库。利用FTA以及最小分割集重要度分析进行专家系统推理机和冲突消解策略的研究与设计,并通过故障案例来验证对基于FTA的专家系统诊断的高效性和准确性。5)开发研制了基于Web的MG型通用门式起重机远程监测与故障诊断系统软件。通过系统总体方案以及故障诊断方法设计了数据库表单,并实现了相应的数据监测分析以及故障诊断功能,并保证了在移动端设备上软件使用的实时性和人机交互的便捷性。
李作康[8]（2019）在《发动机传动体机匣及齿轮加工设备状态监测与预警》文中指出发动机传动单元体机匣和齿轮精密度要求高,国产数控设备难以实现高效率生产,提高国产数控加工设备智能化程度是有效解决手段,为提高机匣及齿轮生产线数控加工设备利用率,降低设备故障率,本文开展了加工设备状态监测与预警技术研究。介绍了机匣和齿轮生产线上的典型数控加工设备以及伺服驱动器接口和CAN模块的接口,并且研究了通过硬件接口接入的数字信号和模拟信号在软PLC中的定义方法,从而明确了PLC内核和CNC内核中参数对象含义,进一步基于Socket协议开发设备通讯程序,并且开展了通讯验证试验,读取了各轴位置、电机温度、负载率、随动误差以及设备状态等参数,验证了基于Socket通讯方案的可行性,为开发数控设备监测系统提供基础技术支持。分析了生产线设备监测系统的开发需求,采用浏览器/服务器（B/S）架构和前后端分离的开发模式。基于React设计了Web端界面,实现了登录注册功能、单台/多台设备监测功能、生产线监测功能以及信息记录查询功能。基于Python语言Flask框架结合多线程技术开发了服务端程序,实现了基于Socket协议读取数控设备状态信息,并应用ORM框架实现了对PostgreSQL数据库的存储查询。进一步对监测系统进行了测试优化,服务器端API平均响应时间为毫秒级,优化后前端响应速度提高了约13.3倍,并且应用Locust工具测试了监测系统多用户操作功能,验证了监测系统的实用性。进一步分析了反映数控设备状态的关键参数,确定了基本运动参数的预警值,结合实验数据,研究了振动和噪声信号的预警处理方法,分析了电机温度以及随动误差的预警方法,创新提出基于机器学习算法实现数控加工设备多源参数综合预警的方法,从设备多源信息中提取预警模型训练数据集,对比分析了使用决策树算法、k-最近邻算法、多层神经网络算法以及支持向量机算法建立的预警模型,用测试数据集对模型进行测试,核函数为RBF的SVM预警模型准确率可达到100%,并且研究实现了预警报告的自动生成及推送。
郭梅[9]（2017）在《风力发电机传动系统振动监测与故障诊断系统研究》文中研究说明风力发电机是一种将风能转换为电能的旋转机械,一般工作在偏远地区和近海海域,容易受气候和地理环境的影响,运行条件恶劣,一旦发生故障容易造成严重的经济损失,甚至导致人员伤亡事故,这使得风电设备制造商和风场管理经营者越来越关注风力发电机的运行安全,从而对风力发电机的状态监测与故障诊断提出了要求。风力发电机的传动系统是较容易发生故障从而造成停机时间最长的子系统,对其进行状态监测和故障诊断可以减少故障率和维修费用、时间,具有重要的工程应用价值。本文设计一类远程状态监测与故障诊断系统平台的三层结构,并对监测系统平台中的振动监测与故障诊断系统进行总体方案设计。通过对传动系统常见故障信号处理算法的分析,提出将基于最大相关最小冗余原则的故障特征提取方法运用于风力发电机监测信号的趋势预测中,最后完成程序界面代码编写。本文主要研究工作如下:1、从风力发电机的工作原理、基本结构和运行条件出发,分析常见故障类型的特点和产生原因,有针对性的提出风力发电机组状态监测系统平台的总体三层结构方案,并给出各层的主要监测重点。2、探究不同故障模式下风力发电机传动系统振动信号的特点,结合风力发电机实际运行数据和实验数据,从时域、频域、时频三方面验证本文采用的信号处理分析算法在风力发电机中应用的准确性。3、提出将基于互信息的最大相关最小冗余方法运用于风力发电机故障信号的特征提取中,结合BP神经网络分析了一类发电机的DCS温度信号特点,验证该方法的有效性。4、对本文提出的振动监测与故障诊断系统进行实际开发,包括对数据库管理系统和相关软件功能的设计。
华亮[10]（2016）在《输送设备远程故障检测与诊断系统设计与实现》文中认为随着现代机械设备市场竞争日趋激烈,机械设备制造企业为了提高设备售后维修服务质量,提高客户满意度,传统的工业输送设备制造企业通常委派大量的售后服务人员到现场工地对设备进行维修服务,这种做法不仅效率低,而且成本非常高。本文针对企业迫切需求,借助计算机技术、互联网技术、数据库技术等信息技术对机械设备产品进行系统优化,实现了基于互联网的工业输送设备远程监控系统。通过对工业输送设备诊断维修业务流程进行大量调研和分析,并充分考虑企业未来与其它信息系统集成问题,运用了基于B/S三层应用体系作为系统构架,并采用MySQL作为后台数据库。系统还采用目前流行的Java语言开发,以Java 2平台企业版（J2EE）为系统开发平台,服务器采用Tomcat6.0。所设计开发的工业输送设备监控系统共包括用户管理、系统配置、诊断算法、图表显示、帮助模块五大模块。本系统突出了设备的远程监控功能,通过使用本文系统进行工业输送设备进行远程监控,企业通过互联网即可了解设备运行状况、设备是否定期保养、故障类型等信息。工业输送设备售后维修服务过程进一步简化,企业管理进一步优化,降低了服务成本,大大加强了售后服务过程高效性和经济性,在一定程度上提高了人力资源的利用率,提升了企业的产品竞争力。本文系统采用基于B/S构架,具有很好的扩展性和兼容性,且经过具体的代码实现、模块测试和系统测试。工业输送设备监控系统中的各模块已经成功实现,投入企业实际应用。经过实际使用证明,本文所涉及的工业输送设备远程监控系统构架合理,整体运行稳定,可以满足企业实时对工业输送设备进行监测等需要。
二、B/S模式下的振动远程故障诊断系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、B/S模式下的振动远程故障诊断系统（论文提纲范文）
（1）汽轮发电机组远程振动监测和故障诊断系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 振动监测诊断系统的发展 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 本文主要研究内容 |
| 第2章 振动监测与故障诊断技术 |
| 2.1 引言 |
| 2.2 振动监测技术 |
| 2.3 振动监测分析方法 |
| 2.3.1 振动信号分析 |
| 2.3.2 监测分析特征图形 |
| 2.4 振动故障诊断技术 |
| 2.4.1 常见故障类型 |
| 2.4.2 故障诊断技术 |
| 2.5 本章小结 |
| 第3章 振动监测和故障诊断系统方案 |
| 3.1 引言 |
| 3.2 开发模式方案 |
| 3.2.1 C/S模式 |
| 3.2.2 B/S模式 |
| 3.3 需求性分析 |
| 3.3.1 功能需求分析 |
| 3.3.2 数据库需求分析 |
| 3.4 系统方案设计 |
| 3.4.1 系统总体方案设计 |
| 3.4.2 系统具体功能设计 |
| 3.4.3 数据库方案设计 |
| 3.5 本章小结 |
| 第4章 振动监测和故障诊断系统开发 |
| 4.1 引言 |
| 4.2 系统开发环境及技术 |
| 4.2.1 系统开发环境 |
| 4.2.2. NET技术 |
| 4.2.3 JavaScript技术 |
| 4.2.4 Json和Ajax技术 |
| 4.2.5 系统开发架构 |
| 4.3 数据库开发 |
| 4.3.1 数据库设计 |
| 4.3.2 振动信号数据储存及维护 |
| 4.4 系统功能开发 |
| 4.4.1 信息配置功能 |
| 4.4.2 振动监测功能 |
| 4.4.3 报警提醒功能 |
| 4.4.4 故障诊断功能 |
| 4.5 本章小结 |
| 第5章 振动监测和故障诊断系统测试 |
| 5.1 引言 |
| 5.2 系统首页 |
| 5.3 管理功能 |
| 5.4 信息配置功能 |
| 5.5 振动监测功能 |
| 5.6 报警提醒功能 |
| 5.7 故障诊断功能 |
| 5.8 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其他成果 |
| 致谢 |
（2）基于web的电主轴在线监测与故障诊断系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究意义及背景 |
| 1.2 故障诊断技术的发展和研究现状 |
| 1.2.1 故障诊断技术的发展 |
| 1.2.2 国外研究现状和应用 |
| 1.2.3 国内研究现状和应用 |
| 1.3 WEB技术发展现状 |
| 1.4 本文的研究内容 |
| 1.5 小结 |
| 第2章 系统总体方案设计 |
| 2.1 系统功能模块分析 |
| 2.2 系统结构设计 |
| 2.3 系统软件结构设计 |
| 2.3.1 系统软件工作原理 |
| 2.3.2 软件功能模块 |
| 2.4 系统模式设计 |
| 2.4.1 Client/Server模式 |
| 2.4.2 Brower/Server模式 |
| 2.4.3 系统模式采用选择 |
| 2.5 本章小结 |
| 第3章 诊断信号的采集和传输 |
| 3.1 基于电流检测法的信号采集 |
| 3.1.1 基于电流检测法的基础理论 |
| 3.1.2 幅值恢复算法优化 |
| 3.1.3 实验结果仿真 |
| 3.2 UDP网络数据传输 |
| 3.2.1 UDP网络传输协议 |
| 3.2.2 双向通信连接方式-Socket |
| 3.3 数据库设计 |
| 3.3.1 数据库的选择 |
| 3.3.2 系统数据流向 |
| 3.3.3 数据表结构设计 |
| 3.3.4 数据库安全设计 |
| 3.4 本章小结 |
| 第4章 基于PSO-BP网络故障诊断方法 |
| 4.1 人工智能故障诊断方法 |
| 4.2 时域统计指标特征提取 |
| 4.3 基于PSO优化BP神经网络的故障诊断 |
| 4.3.1 BP神经网络算法 |
| 4.3.2 PSO优化BP神经网络算法 |
| 4.4 训练结果分析与仿真 |
| 4.5 本章小结 |
| 第5章 系统软件功能的实现 |
| 5.1 实时在线监控 |
| 5.1.1 在线监控实现的技术路线 |
| 5.1.2 在线实时监控的实现 |
| 5.2 故障诊断系统网络实现技术 |
| 5.2.1 Matlab Builder JA打包 |
| 5.2.2 故障诊断的web实现 |
| 5.3 系统辅助功能 |
| 5.3.1 故障知识库的建立 |
| 5.3.2 拦截器实现用户登录 |
| 5.3.3 基于角色的访问控制功能 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（3）基于云服务的滚动轴承在线监测与诊断系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究发展现状 |
| 1.2.1 云服务平台发展现状 |
| 1.2.2 设备故障诊断研究现状 |
| 1.3 论文主要研究内容及组成 |
| 1.3.1 论文主要内容 |
| 1.3.2 论文结构安排 |
| 本章小结 |
| 第二章 云服务平台相关理论和技术 |
| 2.1 数据采集和处理 |
| 2.1.1 数据的采集 |
| 2.1.2 数据的处理 |
| 2.2 系统故障诊断原理与方法 |
| 2.2.1 故障诊断原理 |
| 2.2.2 故障诊断方法 |
| 2.3 前端工程化开发 |
| 2.3.1 前端Vue框架介绍 |
| 2.3.2 Vue开发设计过程 |
| 2.4 后端SpringBoot框架介绍 |
| 2.4.1 SpringBoot框架特性 |
| 2.4.2 SpringBoot框架启动流程 |
| 2.5 B/S架构介绍 |
| 本章小结 |
| 第三章 系统总体设计和功能分析 |
| 3.1 系统总体设计 |
| 3.1.1 云服务平台优势 |
| 3.1.2 云服务平台总体架构 |
| 3.2 系统功能性需求分析 |
| 3.2.1 用户管理 |
| 3.2.2 角色管理 |
| 3.2.3 故障诊断功能 |
| 3.2.4 故障告警功能 |
| 3.3 系统功能非需求行分析 |
| 3.3.1 性能需求 |
| 3.3.2 安全性 |
| 3.3.3 可维护性与可扩展性 |
| 3.3.4 可靠性 |
| 3.3.5 易用性 |
| 本章小结 |
| 第四章 故障诊断系统模块实现 |
| 4.1 数据库设计 |
| 4.1.1 数据库选型 |
| 4.1.2 数据表设计 |
| 4.1.3 数据库连接 |
| 4.1.4 数据库存储 |
| 4.2 用户管理模块设计 |
| 4.2.1 系统用户注册 |
| 4.2.2 系统用户登录 |
| 4.3 设备监控告警模块设计 |
| 4.3.1 数据格式 |
| 4.3.2 图表工具 |
| 4.3.3 树形结构设计 |
| 4.3.4 告警阀值设置 |
| 4.4 专家诊断报告上传和下载模块设计 |
| 4.4.1 文件上传功能设计 |
| 4.4.2 文件下载功能设计 |
| 本章小结 |
| 第五章 系统部署和调试 |
| 5.1 系统云服务平台搭建 |
| 5.1.1 服务器配置 |
| 5.1.2 云服务器运行环境设置 |
| 5.1.3 云服务器项目部署 |
| 5.2 系统功能测试 |
| 5.2.1 系统登录模块测试 |
| 5.2.2 数据监测模块测试 |
| 5.2.3 设备故障告警模块测试 |
| 5.2.4 诊断报告传输模块测试 |
| 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
（4）水电站水轮机组远程监控系统研究与开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景及意义 |
| 1.2 课题及相关技术国内外发展和研究现 |
| 1.2.1 水轮机设备的发展和现状 |
| 1.2.2 远程监控技术国内外发展及现状 |
| 1.2.3 故障诊断技术的发展以及研究现状 |
| 1.3 论文研究内容与结构 |
| 1.3.1 论文内容 |
| 1.3.2 论文结构 |
| 第2章 系统总体需求分析与方案设计 |
| 2.1 水电行业领域的整体分析 |
| 2.1.1 水电站设备管理存在的问题 |
| 2.1.2 水电行业运营与设备制造之间服务模式的探究 |
| 2.2 远程系统需求分析 |
| 2.2.1 远程监控系统的功能需求 |
| 2.2.2 远程系统的性能需求 |
| 2.3 系统结构的分析 |
| 2.3.1 系统各级用户的需求 |
| 2.3.2 系统软件结构分析 |
| 2.3.3 系统硬件方案分析 |
| 2.4 本章小结 |
| 第3章 系统故障信号智能诊断理论研究 |
| 3.1 水轮发电机组故障信号机理分析 |
| 3.1.1 水轮发电机振动信号特征 |
| 3.1.2 水轮发电机振动信号的分类 |
| 3.2 振动信号预处理分析方法 |
| 3.2.1 小波变换法 |
| 3.2.2 包络分析法 |
| 3.2.3 经验模态分析法 |
| 3.2.4 局部均值分析法 |
| 3.3 信号预处理算法的改进和仿真研究 |
| 3.3.1 LMD端点效应改进方案 |
| 3.4 神经网络专家系统故障诊断研究 |
| 3.4.1 专家系统的结构和框架 |
| 3.4.2 专家系统的推理原理过程 |
| 3.4.3 Elman人工神经网络 |
| 3.5 本章小结 |
| 第4章 系统通讯与硬件实现 |
| 4.1 数据通讯技术的研究 |
| 4.1.1 Modbus TCP通讯协议 |
| 4.1.2 WebSocket与网页实时交互技术 |
| 4.1.3 Web Service传输技术 |
| 4.2 系统硬件与通讯的实现 |
| 4.2.1 系统硬件总体框架 |
| 4.3 数据通讯技术的实现 |
| 4.3.1 PLC与本地服务器数据通讯实现 |
| 4.3.2 PLC与云服务器的通讯实现 |
| 4.3.3 远程客户端与云服务器通讯实现 |
| 4.4 本章小结 |
| 第5章 远程系统软件设计与开发 |
| 5.1 云平台技术的应用 |
| 5.1.1 云服务器选择 |
| 5.1.2 云服务器的配置 |
| 5.1.3 云服务器数据库的选择 |
| 5.1.4 云服务器数据库的设计 |
| 5.2 WEB SERVICE的开发 |
| 5.3 软件开发框架 |
| 5.3.1 系统管理模块 |
| 5.3.2 用户管理模块 |
| 5.3.3 数据管理 |
| 5.3.4 远程控制模块 |
| 5.3.5 技术参数远程修正界面 |
| 5.4 系统云服务器上发布过程 |
| 5.5 本章小结 |
| 第6章 水电站水轮机组远程监控系统测试 |
| 6.1 水电站水轮机参数 |
| 6.2 服务器性能测试 |
| 6.2.1 用户的并发数据测试 |
| 6.2.2 服务器流量需求测试 |
| 6.2.3 实时性的测试 |
| 6.3 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间所发表的学术论文目录 |
（5）基于LoRa射频技术的B/S模式动设备状态远程监测系统的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 2 选题背景和意义 |
| 2.1 状态监测系统发展现状 |
| 2.2 无线通信技术发展现状 |
| 2.3 LoRa射频技术 |
| 2.3.1 扩频技术原理 |
| 2.3.2 LoRaWAN协议及网络拓扑结构 |
| 2.3.3 LoRa数据包结构 |
| 2.3.4 LoRa唤醒方式 |
| 2.3.5 LoRa技术优势 |
| 2.4 本文研究内容和各章结构 |
| 3 总体方案研究 |
| 3.1 动设备监测系统拓扑结构 |
| 3.2 监测系统各模块总体方案 |
| 3.2.1 监测节点总体方案 |
| 3.2.2 中心网关总体方案 |
| 3.2.3 管控中心总体方案 |
| 3.3 多协议协同通信方案研究 |
| 3.3.1 基于Websocket技术的视图层通信方案 |
| 3.3.2 基于LoRa和 TCP长连接技术的下位机通信方案 |
| 3.3.3 监测系统多协议协同通信方案模型 |
| 3.4 振动信号分析技术 |
| 3.4.1 时域分析 |
| 3.4.2 频域分析技术 |
| 3.4.3 互相关分析技术 |
| 3.5 动设备故障诊断方法 |
| 3.5.1 信息比较诊断法 |
| 3.5.2 参数变化比较法 |
| 3.6 本章小结 |
| 4 硬件设计和开发平台选型 |
| 4.1 监测节点硬件设计 |
| 4.1.1 监测节点硬件结构设计 |
| 4.1.2 单片机模块 |
| 4.1.3 传感器选型 |
| 4.1.4 信号预处理模块 |
| 4.1.5 LORA射频模块 |
| 4.2 中心网关硬件设计 |
| 4.2.1 中心网关硬件结构设计 |
| 4.2.2 以太网模块 |
| 4.3 管控中心开发平台 |
| 4.3.1 云服务器 |
| 4.3.2 集成开发环境 |
| 4.3.3 开发工具 |
| 4.4 本章小结 |
| 5 监测系统软件实现 |
| 5.1 状态监测系统功能模块设计 |
| 5.2 通信格式设计 |
| 5.2.1 数据帧格式 |
| 5.2.2 管控中心控制指令格式 |
| 5.3 监测节点软件实现 |
| 5.3.1 主程序设计 |
| 5.3.2 中断程序设计 |
| 5.3.3 LoRa射频参数调优 |
| 5.4 中心网关软件实现 |
| 5.4.1 主程序设计 |
| 5.4.2 中断程序设计 |
| 5.5 管控中心软件实现 |
| 5.5.1 管控中心程序框架 |
| 5.5.2 基于GatewayWorker的程序设计 |
| 5.5.3 信号分析模块 |
| 5.5.4 数据库设计 |
| 5.5.5 监测数据的图表显示程序 |
| 5.5.6 设备管理模块 |
| 5.5.7 用户管理模块 |
| 5.5.8 异常报警模块 |
| 5.6 本章小结 |
| 6 监测系统测试实验 |
| 6.1 实验装置 |
| 6.2 实时监测诊断功能测试 |
| 6.3 系统响应速度测试 |
| 6.4 通信距离测试 |
| 6.5 压力测试 |
| 6.5.1 面向用户请求的压力测试 |
| 6.5.2 面向中心网关数据上传的压力测试 |
| 6.6 本章小结 |
| 7 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 作者简历 |
（6）风力发电机远程监控及其健康预测系统的开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及研究意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 风电远程监控与健康预测国内外研究现状 |
| 1.2.1 风电监控系统研究现状 |
| 1.2.2 故障诊断与健康预测技术研究现状 |
| 1.3 论文主要研究内容及章节安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 章节安排 |
| 1.4 本章小结 |
| 第2章 风力发电机基本结构及常见故障分析 |
| 2.1 风力发电机基本结构 |
| 2.2 风力发电机常见故障分析 |
| 2.2.1 齿轮箱 |
| 2.2.2 发电机 |
| 2.2.3 风轮 |
| 2.2.4 变桨系统 |
| 2.2.5 偏航系统 |
| 2.2.6 液压系统 |
| 2.3 本章小结 |
| 第3章 基于非平稳信号特征值的故障诊断与预测方法 |
| 3.1 振动信号分析常用方法 |
| 3.1.1 时域分析 |
| 3.1.2 频域分析 |
| 3.1.3 时频域分析 |
| 3.2 基于豪斯多夫距离和互相关系数的降噪方法 |
| 3.2.1 豪斯多夫距离 |
| 3.2.2 互相关系数准则 |
| 3.2.3 基于豪斯多夫距离和互相关系数的降噪算法 |
| 3.3 基于奇异值分解的非平稳信号特征值提取方法 |
| 3.4 基于极限学习机的故障诊断与预测方法 |
| 3.4.1 极限学习机 |
| 3.4.2 故障诊断与预测 |
| 3.5 本章小结 |
| 第4章 基于故障率与故障症的设备故障诊断方法 |
| 4.1 零部件故障率曲线定量化建模 |
| 4.1.1 威布尔分布的线性回归 |
| 4.1.2 两重威布尔分布模型的建立 |
| 4.1.3 两重威布尔分布模型的参数估计 |
| 4.1.4 时间拐点的确定 |
| 4.1.5 零部件故障率向量的确定 |
| 4.2 基于症状的模糊故障诊断模型 |
| 4.2.1 模糊故障诊断的总体思路 |
| 4.2.2 模糊故障症状向量的确定 |
| 4.2.3 模糊评判矩阵的确定 |
| 4.2.4 基于症状的模糊故障诊断结果 |
| 4.3 设备故障综合诊断方法 |
| 4.4 实例分析 |
| 4.4.1 故障的定性分析 |
| 4.4.2 计算相关零部件故障率 |
| 4.4.3 从故障症状推测故障向量 |
| 4.4.4 模糊综合评判 |
| 4.5 本章小结 |
| 第5章 风力发电机远程监控系统的实现 |
| 5.1 系统的总体设计 |
| 5.1.1 传感器系统设计 |
| 5.1.2 数据传输方式选取 |
| 5.1.3 B/S与 C/S架构对比 |
| 5.1.4 数据库的设计 |
| 5.2 系统开发工具的选择 |
| 5.3 监控系统具体功能实现 |
| 5.3.1 登录、注册模块 |
| 5.3.2 用户权限管理模块 |
| 5.3.3 监控系统首页 |
| 5.3.4 单一风电场监控模块 |
| 5.3.5 单台风力发电机监控模块 |
| 5.3.6 润滑系统监控模块 |
| 5.3.7 故障诊断与预测模块 |
| 5.3.8 报表绘制 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术成果及参与的科研项目 |
| 致谢 |
（7）基于Web的MG型通用门式起重机远程监测与故障诊断系统的研究与开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 远程监测和故障诊断国内外研究现状 |
| 1.2.1 起重机故障诊断发展背景 |
| 1.2.2 起重机故障诊断方法概述 |
| 1.2.3 基于Web的故障诊断的发展 |
| 1.3 论文工作安排 |
| 第二章 MG型通用门式起重机远程监测与故障诊断系统总体设计 |
| 2.1 MG型通用门式起重机运行特点 |
| 2.2 门式起重机系统需求分析 |
| 2.2.1 系统功能需求 |
| 2.2.2 监测参数需求 |
| 2.3 系统总体结构设计 |
| 2.4 系统功能模块设计与解决方案研究 |
| 2.4.1 用户管理 |
| 2.4.2 配置方案管理 |
| 2.4.3 起重机管理 |
| 2.4.4 状态监测 |
| 2.4.5 数据分析 |
| 2.4.6 故障诊断 |
| 2.5 本章小结 |
| 第三章 基于MCA改进GA-BP的齿轮箱故障诊断方法研究 |
| 3.1 齿轮箱故障特征与振动机理分析 |
| 3.1.1 齿轮箱故障情况总览 |
| 3.1.2 齿轮振动机理和振动信号模型 |
| 3.1.3 滚动轴承振动机理和振动信号模型 |
| 3.2 基于GA的 BP神经网络的齿轮箱故障诊断方法研究 |
| 3.2.1 遗传算法概述 |
| 3.2.2 BP神经网络概述 |
| 3.2.3 GA-BP神经网络的齿轮箱故障诊断算法设计 |
| 3.3 基于MCA的齿轮箱故障特征提取研究 |
| 3.3.1 MCA概述 |
| 3.3.2 MCA算法设计 |
| 3.4 基于MCA改进GA-BP的齿轮箱故障诊断 |
| 3.4.1 MCA提取齿轮故障特征 |
| 3.4.2 MCA提取滚动轴承故障特征 |
| 3.4.3 基于MCA改进GA-BP的齿轮箱故障诊断实验验证 |
| 3.5 本章小结 |
| 第四章 基于FTA的门式起重机行车电气设备专家系统故障诊断研究 |
| 4.1 故障树分析法 |
| 4.1.1 故障树分析的基本概念 |
| 4.1.2 故障树的常用符号与数学表示 |
| 4.1.3 FTA中故障树的建立和处理 |
| 4.2 专家系统基本结构与功能 |
| 4.2.1 专家系统原理以及结构 |
| 4.2.2 专家系统知识获取及表示 |
| 4.2.3 专家系统推理机制 |
| 4.3 基于FTA的门式起重机行车电气设备专家系统设计 |
| 4.3.1 专家系统故障树设计 |
| 4.3.2 基于FTA的专家系统知识库设计 |
| 4.3.3 基于FTA最小割集的专家系统推理机设计 |
| 4.4 基于FTA的门式起重机电气设备专家系统故障实例分析 |
| 4.4.1 故障实例介绍 |
| 4.4.2 最小分割集求解 |
| 4.4.3 重要度分析 |
| 4.5 本章小结 |
| 第五章 MG型通用门式起重机远程监测与故障诊断系统数据库设计和软件实现 |
| 5.1 软件系统开发环境简介 |
| 5.2 系统数据库设计 |
| 5.2.1 系统及用户管理 |
| 5.2.2 数据监测与方案配置 |
| 5.2.3 齿轮箱故障诊断 |
| 5.2.4 行车电气设备专家系统 |
| 5.3 MG型通用门式起重机远程监测与故障诊断系统B/S软件实现 |
| 5.3.1 系统登录及功能首页 |
| 5.3.2 用户管理以及起重机管理 |
| 5.3.3 配置方案管理与数据监测 |
| 5.3.4 历史数据分析 |
| 5.3.5 基于形态分量GA-BP网络齿轮箱诊断 |
| 5.3.6 基于FTA的行车电气设备专家系统 |
| 5.3.7 其他功能 |
| 5.4 移动端B/S软件的测试与运行 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间成果 |
（8）发动机传动体机匣及齿轮加工设备状态监测与预警（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 课题研究现状 |
| 1.2.1 数控加工设备数据采集研究现状 |
| 1.2.2 数控加工设备状态监测研究现状 |
| 1.2.3 数控加工设备状态预警研究现状 |
| 1.3 课题研究背景 |
| 1.4 主要研究内容 |
| 2 发动机传动体机匣及齿轮加工设备接口与通讯技术研究 |
| 2.1 发动机传动体机匣及齿轮生产线数控加工设备 |
| 2.2 数控加工设备通讯硬件接口 |
| 2.2.1 伺服驱动器接口 |
| 2.2.2 CAN模块接口 |
| 2.3 数控系统中软PLC接口定义研究 |
| 2.4 数控加工设备网络通讯方法及验证 |
| 2.5 本章小结 |
| 3 发动机传动体机匣及齿轮加工设备状态监测系统开发 |
| 3.1 基于B/S架构的状态监测系统总体设计 |
| 3.1.1 设备状态监测系统需求分析 |
| 3.1.2 设备状态监测系统总体框架 |
| 3.2 设备状态监测系统Web端开发 |
| 3.2.1 登录注册界面 |
| 3.2.2 监测系统主界面 |
| 3.2.3 生产线监测界面 |
| 3.2.4 设备监测界面 |
| 3.2.5 记录查询界面 |
| 3.3 设备状态监测系统服务器端开发 |
| 3.3.1 服务器端逻辑实现 |
| 3.3.2 数据库存储查询研究 |
| 3.4 设备状态监测系统测试研究 |
| 3.4.1 服务器响应效率测试 |
| 3.4.2 Web端响应测试优化 |
| 3.4.3 多用户并发性能测试 |
| 3.5 本章小结 |
| 4 发动机传动体机匣及齿轮加工设备状态预警技术研究 |
| 4.1 数控加工设备状态参数预警分析研究 |
| 4.1.1 数控设备运动参数预警阈值设定 |
| 4.1.2 振动信号分析处理研究 |
| 4.1.3 噪声信号分析处理研究 |
| 4.1.4 数控设备温度参数预警研究 |
| 4.1.5 数控设备随动误差预警分析 |
| 4.2 基于机器学习算法的多源参数预警技术研究 |
| 4.2.1 基于决策树算法建立设备状态预警模型 |
| 4.2.2 基于k-最近邻算法建立设备状态预警模型 |
| 4.2.3 基于多层神经网络建立设备状态预警模型 |
| 4.2.4 基于支持向量机建立设备状态预警模型 |
| 4.2.5 设备状态预警模型对比分析 |
| 4.3 数控设备状态预警报告自动生成及推送技术研究 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 全文总结 |
| 5.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 附录A 故障记录分析表 |
| 附录B 硕士期间研究成果 |
（9）风力发电机传动系统振动监测与故障诊断系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1. 绪论 |
| 1.1 课题来源 |
| 1.2 本文研究意义 |
| 1.3 设备状态监测与故障诊断系统研究现状与发展 |
| 1.4 风力发电机组状态监测与故障诊断系统研究进展 |
| 1.5 本文研究内容 |
| 2. 风力发电机故障分析与远程监测系统设计 |
| 2.1 风力发电机工作原理与基本结构 |
| 2.2 风力发电机常见故障类型分析 |
| 2.2.1 齿轮故障 |
| 2.2.2 主轴故障 |
| 2.2.3 轴承故障 |
| 2.2.4 发电机故障 |
| 2.2.5 其它常见故障 |
| 2.3 风力发电机组远程监测系统平台设计 |
| 2.3.1 系统总体架构 |
| 2.3.2 数据采集处理 |
| 2.4 本章小结 |
| 3. 振动状态监测与故障诊断系统结构设计 |
| 3.1 系统开发模式选择与结构设计 |
| 3.1.1 系统模式选择 |
| 3.1.2 系统结构设计与测点布局 |
| 3.2 数据库设计 |
| 3.2.1 数据库选择 |
| 3.2.2 数据库方案设计 |
| 3.3 系统功能模块设计 |
| 3.4 本章小结 |
| 4. 故障特征提取方法研究 |
| 4.1 风力发电机传动系统故障特征 |
| 4.2 故障特征信号分析方法 |
| 4.2.1 时域分析 |
| 4.2.2 频域分析 |
| 4.2.3 时频分析 |
| 4.2.4 mRMR特征提取方法 |
| 4.3 数据分析与算法验证 |
| 4.3.1 风场数据与实验数据分析 |
| 4.3.2 基于mRMR的故障特征提取方法 |
| 4.4 本章小结 |
| 5. 振动状态监测与故障诊断系统软件设计 |
| 5.1 系统开发技术 |
| 5.1.1 ASP.NET与C#编程语言 |
| 5.1.2 ADO.NET数据访问类库 |
| 5.1.3 JSON数据传输格式与Ajax |
| 5.2 系统界面设计 |
| 5.3 本章小结 |
| 6. 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间主要的研究成果及参加的项目 |
（10）输送设备远程故障检测与诊断系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 背景介绍与意义 |
| 1.2 现状分析 |
| 1.3 本文的主要工作 |
| 1.4 重点解决的技术关键问题 |
| 1.5 本文的组织结构 |
| 2 关键技术 |
| 2.1 软件系统安全框架 |
| 2.2 数据可视化技术 |
| 2.2.1 Open Flash Chart组件 |
| 2.2.2 Fusion Charts报表组件 |
| 2.3 Web前端技术 |
| 2.3.1 jQuery技术 |
| 2.3.2 AJAX技术 |
| 2.3.3 CSS+div技术 |
| 3 需求分析 |
| 3.1 业务描述 |
| 3.2 功能需求分析 |
| 3.3 功能划分 |
| 4 系统设计 |
| 4.1 系统设计目标 |
| 4.2 系统模块设计 |
| 4.2.1 系统主要功能模块 |
| 4.2.2 系统软件模块详细设计 |
| 4.2.3 前端数据采集系统 |
| 4.3 数据库设计 |
| 4.3.1 MySQL数据库 |
| 4.3.2 实体联系图 |
| 4.3.3 数据库结构 |
| 4.4 故障诊断算法设计 |
| 4.5 系统类图 |
| 4.6 系统运行环境 |
| 5 系统实现 |
| 5.1 系统登录 |
| 5.2 实时状态监控 |
| 5.3 设备运行历史数据后台管理 |
| 5.4 远程监控多台输送设备运行状态 |
| 6 系统测试 |
| 6.1 测试流程 |
| 6.2 各功能模块测试 |
| 结论 |
| 参考文献 |
| 致谢 |
四、B/S模式下的振动远程故障诊断系统（论文参考文献）
- [1]汽轮发电机组远程振动监测和故障诊断系统研究[D]. 钱泽琛. 华北电力大学(北京), 2021(01)
- [2]基于web的电主轴在线监测与故障诊断系统研究[D]. 谈太振. 湖北工业大学, 2020(03)
- [3]基于云服务的滚动轴承在线监测与诊断系统设计[D]. 张健. 大连交通大学, 2020(06)
- [4]水电站水轮机组远程监控系统研究与开发[D]. 杨浩. 兰州理工大学, 2020(12)
- [5]基于LoRa射频技术的B/S模式动设备状态远程监测系统的研究[D]. 毛炜炜. 浙江大学, 2020(08)
- [6]风力发电机远程监控及其健康预测系统的开发[D]. 刘英豪. 江苏科技大学, 2019(03)
- [7]基于Web的MG型通用门式起重机远程监测与故障诊断系统的研究与开发[D]. 王昶. 东南大学, 2019(06)
- [8]发动机传动体机匣及齿轮加工设备状态监测与预警[D]. 李作康. 南京理工大学, 2019(06)
- [9]风力发电机传动系统振动监测与故障诊断系统研究[D]. 郭梅. 浙江大学, 2017(06)
- [10]输送设备远程故障检测与诊断系统设计与实现[D]. 华亮. 大连理工大学, 2016(03)