一、故障预警系统改变舰艇装备维修模式(论文文献综述)
刘政,陈晨,张赛[1](2021)在《基于ATML的舰艇装备多状态测试系统设计》文中研究指明针对当前舰艇装备多状态测试系统的参数存在间断性,导致对舰艇装备测试的误差较大的问题,基于ATML设计了一种新的舰艇装备多状态测试系统;系统硬件由处理器、驱动器、传感器、监测器组成,选择麒麟990系列的处理器组成,能够有效降低内部负载,采用HDJ-8交流驱动器,内部引入2.7 kV、5.7 kW、10 kV三个级别电压,保证系统的电源电量,传感器是HDU传感器,功能齐全,监测器选用骁龙芯片,在无线通信功能的基础上实现状态监测;系统软件设计过程中,采用ATML技术实现舰艇装备多状态测试系统参数自检,保证参数的准确性及全面性;建立状态分量建模,通过分析文字文件、装备数据提取、状态检测实现舰艇装备多状态测试系统软件流程;实验结果表明,设计的基于ATML的舰艇装备多状态测试系统能够有效改善参数的间歇性,降低系统内部误差。
蒲亚博,王艳艳,赵方超,刘伟,罗天元[2](2021)在《典型制导弹药故障预示预警系统的设计》文中研究表明设计了层次化、智能化、模块化的典型制导弹药故障预示预警系统。该系统包括数据采集层、数据传输层、故障预测层3部分,其中数据采集层用于将监测和检测的数据进行实时传输记录;数据传输层通过智能移动终端设备进行数据预处理;故障预测层依靠异常诊断推理机、故障诊断推理机、故障预测推理机以及模型知识库并利用已有失效模型和先进故障预测算法进行制导弹药系统的故障定位和预测,为实现典型制导弹药故障预测与健康管理提供了实现途径。
李志强,吴新春,彭丽,张慧云,贾美薇[3](2021)在《铁路货车实施PHM系统的必要性及总体架构研究》文中提出基于PHM的工作原理和应用技术,分析铁路货车实施PHM系统智能在线监测与故障预警的必要性,阐述铁路货车智能在线监测与故障预警系统的基本设想、主要功能、总体架构以及系统的组成,分析系统发展和推广的关键技术和亟需解决的主要问题。
刘晓伟,马宇,李筠,袁湘江[4](2021)在《美海军水下作战体系发展及启示》文中研究说明为深入了解海军水下战装备体系建设的未来趋势,从而制定合理的发展策略,对美海军水下作战体系的发展开展研究。梳理了美海军作战概念的发展演化过程,介绍了美海军水下作战体系的分类与现状。在此基础上,从体系化、无人化、平台多功能化以及关键技术4个方面总结了美海军水下作战体系的发展趋势。
李贺[5](2021)在《海上浮式风机可靠性分析的FMECA和贝叶斯网络新方法》文中进行了进一步梳理新能源的开发与规模化应用是“碳平衡”目标实现的根本保证。在陆地资源的有限性、能源开发的经济性与可持续性的共同限制下,新能源开发者将目光逐步投向开发潜力更大的海洋。在此背景下,海上风能应运而生。特别地,海上浮式风能因其巨大的开发潜力和丰富的资源储量被认为是风电的发展方向之一。然而,作为海上浮式风能开发主力装备的海上浮式风机,其开发与运营受到多方面的制约,如海上浮式风能项目总体成本高和可靠性、可用性等指标差等。因此,开展海上浮式风机可靠性分析研究以提高其经济性势在必行。海上浮式风机的可靠性分析研究在风能市场爆发式扩张的强劲推动下已逐步开展,但该类研究仍存在诸如认识不足、数据积累少、模型精细化程度低等难点问题亟待攻克。鉴于此,本文以数据收集与建模、精细化可靠性分析模型的构建为着眼点,开展海上浮式风机可靠性分析的故障模式、影响及危害度分析(Failure Mode,Effects and Criticality Analysis,FMECA)和贝叶斯网络(Bayesian network,BN)新方法研究,取得的主要成果如下:(1)提出了基于主客观信息混合的海上浮式风机可靠性分析的FMECA方法针对海上浮式风机稀少但来源广泛的可靠性信息,建立了基于主客观可靠性信息混合的可靠性分析的FMECA方法。针对专家经验等主观信息,提出相对重要度算法并基于此建立了基于主观数据相对重要度的可靠性分析的FMECA方法;针对故障成本等海上浮式风机客观数据,提出了基于客观数据的可靠性分析的FMECA方法;进一步地提出基于主客观可靠性信息混合的可靠性分析的FMECA方法。以上方法的提出在保证可靠性分析结果的可信性与可靠性分析方法的适用性等方面具有积极意义。同时,提出了FMECA结果不确定性评价模型,该模型的提出为可靠性分析模型的评价与优选提供了有效工具。(2)提出了海上浮式风机可靠性分析的权值FMECA方法基于海上浮式风机故障的本质特征,提出了海上浮式风机可靠性分析的权值FMECA方法。针对当前可靠性分析模型精细化程度不高使可靠性分析结果可信性不强等现实问题,构建了可靠性分析的固定权值FMECA方法;进一步地基于层次分析法开发了浮动权值FMECA方法。以上方法在深化了FMECA方法的基本内涵的同时,为更精细、合理的可靠性分析模型的搭建提供蓝本,为可信的可靠性分析结果的求取提供支撑。(3)提出了基于故障数据近似的海上浮式风机可靠性分析的贝叶斯网络方法针对海上浮式风机故障数据稀少以致基于数据收集的可靠性分析无法开展的现实,提出了海上浮式风机基本单元故障率的近似算法,并基于此提出了海上浮式风机可靠性分析的贝叶斯网络模型;针对海上浮式风机的早期故障和安装前期检查等现实需求,在复杂系统假设下,提出了海上浮式风机早期故障率推理算法并建立了考虑前期故障的可靠性分析的贝叶斯网络方法。以上方法在克服海上浮式风机可靠性数据稀缺性的同时为其早期故障评估、安装初期检查等提供了思路。(4)提出了海上浮式风机可靠性分析的FMECA-BN方法针对传统可靠性分析方法无法同时兼顾关键故障单元识别和可靠度计算以及FMECA方法不具有信息更新能力等问题,提出了兼顾两者的FMECA-BN模型;提出了故障单元规避潜在收益的期望模型;在FMECA-BN模型的基础上构建了关键故障单元识别方法。以上方法的提出赋予了海上浮式风机的关键故障单元识别以条件更新能力,为海上浮式风机等复杂系统的故障本质特征分析提供新的思路。
许向南[6](2021)在《基于移动端的工业机器人远程监测预警系统的设计与研究》文中提出近年来,工业机器人的应用在制造企业产业升级中发挥着极其重要的作用,它也是智能制造的重点发展方向,但由于工业机器人是一个精密而复杂的机电系统,其性能会随着作业时间的增加逐渐下降甚至失效,在制造商的用户基数大幅度增长时,有限的现场专业维修技术人员就无法满足用户的需求。在智能制造时代,自动化设备的高可靠性使得预测性维护也变的尤为重要,期望能够在故障发生前对其潜在故障进行预警诊断,以达到较低的维护成本。为此,设计开发了基于Android移动智能终端的远程监测预警系统,为技术人员提供具有故障信息预警、状态监测和实时曲线显示功能的移动监测服务平台,实现维护方式的低成本以及高效率。本文首先详细介绍了课题研究的背景及意义,分析了远程监测系统的国内外研究现状及发展形势,在分析工业机器人监测系统需求的基础上,提出了系统的总体结构设计方案,并描述了系统各个部分的主要任务。其次,详细的阐述了远程监测移动端软件的设计与开发过程,根据系统要求采用TCP/IP协议实现不间断的网络通信并在Android Studio环境下开发了移动终端APP;然后讲述了整个监测系统的基础服务功能模块的设计过程,其中包括利用本地PC端获取工业机器人的工作状态信息以及数据采集的过程,搭建了网络服务器系统,并将所要监测的工业机器人数据进行了分类处理,对比了各种数据库的优缺点,结合本系统设计特点选择了最佳数据库,提出利用My SQL建立了关系型的监测信息数据库。之后进一步的剖析了远程监测系统的状态监测过程。最后介绍了工业机器人预警系统的设计与研究,对于工业机器人主要部件建立了数据模型,并研究了基于BP神经网络算法的故障预测方法且根据目标要求进行了算法优化以及实测分析,试得出一种可行性较高的故障诊断预警方法,以期最终实现通过远程监测及故障预警系统和相应故障预警诊断方法。
张晓岚[7](2020)在《基于列车数据分析的故障预警技术研究》文中指出列车运行控制系统是高速列车控制系统的“神经中枢”,是铁路运输的基础设施。其中,车载子系统是列控系统的核心部分,是保证行车安全、提高运行效率的关键。列车在运行过程中受各种因素影响,车载设备故障时有发生,如今车载子系统的故障处理方式仍以维修人员的经验为主,缺乏安全趋势预测和风险评估预警等方面的研究,影响列车的行车安全及效率。因此,如何提高车载设备故障预警能力以及制定恰当的辅助维护方法,提高列车安全可靠性是铁路运营部门急需解决的问题。本文以300T型车载设备为研究对象,从系统的故障诊断、可靠性评估以及设备维护等方面开展分析,建立基于列车数据分析的车载设备故障预警系统。论文主要的研究工作与研究成果如下:(1)在故障诊断方面,本文针对车载设备文本故障数据结构复杂且冗余度高的特点,提出了一种基于文本挖掘技术的故障特征提取方法,将IDF-TF算法与粗糙集理论相结合,得出有效故障特征集。通过建立BP神经网络模型,验证该方法可剔除冗余不相关特征,简化了诊断模型,提高了诊断精度,改善了诊断模型对数据质量依赖的缺陷。该模型不同于以往基于信号的故障诊断模式,为列车的故障诊断提供了新的处理思路。(2)在可靠性评估方面,本文从设备故障危害度方面出发,提出了基于BN改进的FMECA模型,对车载设备进行客观定量的风险评估,解决了原始FMECA对预警造成的主观随意性问题;从系统功能角度出发,利用AHP方法对车载设备进行安全可靠性权重排序。最终综合考虑设备的危害度和权重,利用组合赋权法对系统进行综合预警评估,改变了传统的从单一因素评价故障的方式。(3)在设备维护方面,本文依据统计数据,对车载设备的更换趋势进行了多项式拟合预测,方便工作人员制定下一阶段的工作任务;依据设备的预警评估结果制定针对性维修策略,提高了列车安全可靠性,降低了维修成本,为高速铁路向智能化发展提供了一种由“定期修”向“视情修”转变的新的维修方案。(4)利用MATLAB与C#混合编程技术设计了车载设备安全分析预警系统的各功能模块,实现了车载设备故障诊断的智能化分析,达到故障预警的可视化管理目的。
高志龙[8](2020)在《基于状态智能预警驱动的柴油机IETM关键技术研究与应用》文中研究说明柴油机作为一种关键动力设备,被广泛用于船舶航运、轨道交通、石油化工、能源电力、矿山机械、装备动力等相关行业,在国民经济乃至国防安全领域发挥着极为重要的作用。但由于其部件众多、结构复杂、工况恶劣,极易发生故障。一旦出现恶性故障将会导致停工停产,严重时甚至引发危及人身安全的重大事故。然而,当前柴油机监测报警技术较为落后,故障发生后无法得到精准识别,导致检维修效率低下。通过研究柴油机故障发生机理与对应的特征信号,借助先进算法有效提取特征参数,以实现柴油机典型机械故障的预警与诊断。并将故障诊断与交互式电子技术手册(IETM)技术相结合,实现监测、预警、诊断、维修、维护、管理等综合保障功能的深度融合,从而提升柴油机运行的安全性、可靠性和可用性。本文以大功率柴油机为对象,以提高其典型机械故障预警诊断水平和维修保障能力为目标,通过对典型机械故障机理的深入分析,研究适用于不同种类故障的预警和诊断方法。结合智能诊断算法实现柴油机运行工况的自动识别,提高预警和诊断准确率。最后探索基于故障预警驱动的IETM设计方法与架构。论文各章节主要研究内容如下:首先,综合归纳大功率柴油机典型机械故障类型,理清传统诊断方法面临的问题与挑战,分析智能诊断预警技术现状。研究国内外IETM技术发展历程、技术难点和未来发展趋势。在现有研究基础上,总结基于智能预警驱动的柴油机IETM系统关键技术点。其次,针对柴油机连杆衬套滑移,轴瓦磨损两类疑难故障,开展理论建模研究。通过建立相关数学模型,寻找故障典型特征。提出基于SAW(声表面波)无源无线测温技术的柴油机轴瓦磨损类故障预警诊断方法。研制柴油机连杆大小头瓦无线温度传感器,通过故障模拟试验证明该方法的有效性;然后,针对曲轴弯曲微变形这类恶性故障,建立多体动力学模型,通过模拟、仿真、分析其对应的故障特征及敏感参数,探究该类故障预警诊断的有效方法,并通过理论分析与实际故障案例相结合的方式证明该方法可行性;研究基于振动信号自适应的EMD降噪和聚类算法的柴油机运行功率自动识别算法,通过该算法实现对柴油机运行工况的自动识别。在无需增加传感器的前提下,引入柴油机输出功率作为预警诊断参考指标。此外,结合瞬时转速、温度、压力等参数,研究基于多源信息融合的复杂故障预警诊断方法,提高故障预警诊断的准确性。在上述研究成果的基础上,总结柴油机典型故障诊断系统设计方法。并利用实验和工程实际案例数据对系统功能进行验证。最后,研究基于智能预警驱动的IETM设计方法与架构。梳理传统IETM研制流程和编制规范,提出智能预警诊断技术与IETM相结合的实现方案,并给出基于状态智能预警驱动的柴油机IETM总体实现方法和步骤。
钱东,赵江,杨芸[9](2017)在《军用UUV发展方向与趋势(下)——美军用无人系统发展规划分析解读》文中认为(续前)5军用关键技术领域在无人系统的众多关键技术领域中,互操作性、自主性、通信、高级导航、有人-无人系统编组(MUM-T)、持久韧性及武器化等是军方最重视的技术,这些技术是联合作战的基础,且具有通用性,因此受到优先关注,是Do D投资的重点。5.1互操作性互操作性是实现系统集成、联合作战和网络化作战的基本前提,是无人系统融入作战网络的
马慧[10](2016)在《基于UDP通信的综合设备检测系统的研究与实现》文中认为随着我国海军的发展和强大,舰艇作战系统趋向于信息化、智能化、服务化。在此前提下的系统故障自诊断、自维护、自学习是作战系统发展中追求的目标之一。但现代舰艇作战系统中经常出现设备上报都正常,而不能完成作战任务的情况,如系统时问未对准、导航信息精度低、搜索雷达和导航雷达跟踪目标系统误差而不能融合,目标指示误差大、武器跟踪传感器无法跟踪、无法对目标航迹进行分析与预测等问题,根据当前存在的问题我们学习并发展制约现代舰艇作战的关键体系——综合保障体系。舰艇作战系统综合保障工作可以直接关系到舰艇作战性能和作战能力,是决定现代海战胜负的重要因素之一。综合保障作为舰艇作战系统的重要组成成分,主要对作战系统进行在线故障检测与状态监测评估,为指挥员准确地掌握和有效的运用作战系统的各作战能力提供支持。对作战系统进行日常维护和使用状态进行维护与预测,为作战系统综合保障提供决策支持。因此,针对现代舰艇系统所存在的问题提出综合保障体系的研究方向,并根据综合保障在国内的应用发展和缺陷的现状提出基于UDP通信的综合设备检测系统,该系统主要包含数据管理、状态综合监视、交互故障诊断、航迹精度分析和支撑功能五个部分,主要实现了数据录取、数据回放,航迹重演,状态综合监视,对时精度分析,协议解析,航迹精度分析等功能。并且,在航迹精度分析模块中提出了本系统的核心—基于传感器的航迹精度分析算法,该算法主要是根据传感器探测目标的航迹数据拟合目标的航迹曲线,再根据拟合的航迹曲线对该目标实际的航迹信息进行偏差计算,对偏差结果进行合理的评估,对于航迹精度分析模块中进行偏差估计后有问题的目标航迹信息可以在数据管理模块中对该航迹信息进行航迹重演以及在交互故障诊断模块中进行协议解析来配合具体分析该目标航迹信息。由于用单个传感器力图通过分析已有的数据得到更加精确的数据来进行单个目标的位置判断,但是在实际的测量过程中往往不够全面的,针对该过程本系统所提出的是选择两个传感器来对目标航迹信息进行有效判断,这样不仅可以更加准确的分析目标航迹数据还能够合理的解决因传感器本身的误差对分析结果的影响。作为现代舰艇作战系统综合保障,综合设备检测系统作为综合保障的关键一环,不单是解决了实现了对时间精度对准问题、对各个装备的状态监视问题、以及现在对目标航迹的精确判断,有效的解决了对目标已航行或即将航行路线的测量与预测,无法掌握目标航行状态并及时做出合理指挥的难题,更重要的是它预示着未来综合保障发展的方向,健全综合保障体系,为现代作战系统提供可靠性与可维护性。
二、故障预警系统改变舰艇装备维修模式(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、故障预警系统改变舰艇装备维修模式(论文提纲范文)
(1)基于ATML的舰艇装备多状态测试系统设计(论文提纲范文)
0 引言 |
1 基于ATML的舰艇装备多状态测试系统硬件设计 |
1.1 处理器设计 |
1.2 驱动器设计 |
1.3 传感器设计 |
1.4 监测器设计 |
2 基于ATML的舰艇装备多状态测试系统软件设计 |
3 实验分析 |
4 结束语 |
(2)典型制导弹药故障预示预警系统的设计(论文提纲范文)
1 引言 |
2 典型制导弹药故障预示预警系统特点分析 |
2.1 故障预示预警系统理论概述 |
2.2 典型制导弹药结构分析 |
2.3 典型制导弹药故障预示预警系统需求及特点分析 |
3 故障预示预警系统设计 |
3.1 系统功能分层设计 |
3.2 数据采集层功能实现 |
3.3 数据传输层功能实现 |
3.4 故障预测层功能实现 |
4 故障预测技术展望 |
5 结论 |
(3)铁路货车实施PHM系统的必要性及总体架构研究(论文提纲范文)
1 铁路货车进行智能在线监测与故障预警的必要性 |
1.1 我国铁路货车的修程修制 |
1.2 国内外轨道交通技术装备领域PHM研究应用现状 |
1.3 铁路货车信息化管理现状及存在的主要问题 |
1.4 铁路货物运输市场对智能化货运装备的影响 |
1.5 智能化是铁路货车的发展方向 |
2 铁路货车智能在线监测与故障预警系统主要功能 |
2.1 轴端发电、蓄电及智能用电管理 |
2.2 性能数据监测及预警 |
2.3 防火防盗安全监控及预警 |
2.4 导航定位、测速及授时 |
2.5 系统设备工作状态监控 |
2.6 车辆间无线通信 |
2.7 车地无线通信 |
2.8 车辆、机车、地面中心等多级用户监控软件和人机界面 |
2.9 历史数据存储、查询、下载 |
3 系统总体架构 |
3.1 系统主要结构 |
3.1.1 车载子系统 |
3.1.2 地面子系统 |
3.1.3 车地传输子系统 |
3.2 智能系统结构功能逻辑层次 |
4 车载子系统的安装布局方案 |
5 智能系统实施的关键技术和需进一步解决的问题 |
6 总结 |
(4)美海军水下作战体系发展及启示(论文提纲范文)
引言 |
1 美海军水下作战体系发展现状 |
1.1 水下侦察预警系统 |
1.2 水下指挥控制系统 |
1.3 水下攻防系统 |
1.4 水下综合保障系统 |
2 美海军水下作战体系发展趋势 |
2.1 未来的水下战是体系化作战,网络化、信息化是实现跨域分布式作战的基础 |
2.2 优先发展水下无人系统,构建新型分布式水下舰队架构 |
2.2.1 大力发展功能各异的新型水下航行器 |
2.2.2 加强颠覆性的水下无人预置平台研发 |
2.2.3 构建同构、异构水下集群,积极推进跨空水介质装备/系统研发 |
2.3 核潜艇仍是现阶段水下作战最重要装备平台,注重突出平台的多功能化、任务载荷搭载能力与模块化 |
2.4 重点攻关水下战关键技术 |
3 启示 |
3.1 水下战是体系对抗,需要构建攻防兼备、协同高效的水下装备体系 |
3.2 需求牵引与能力牵引相结合,加大水下战关键技术攻关,系统集成应用与技术突破相结合,注重时间成本与经济效应 |
4 结束语 |
(5)海上浮式风机可靠性分析的FMECA和贝叶斯网络新方法(论文提纲范文)
摘要 |
abstract |
主要符号及缩略语 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 海上风机可靠性分析研究现状 |
1.2.1 可靠性分析方法概述 |
1.2.2 海上风机可靠性分析研究进展及现状 |
1.3 研究的不足 |
1.4 论文内容及架构 |
第二章 基于主客观信息混合的海上浮式风机FMECA方法 |
2.1 引言 |
2.2 FMECA |
2.3 基于主观数据相对重要度的FMECA方法 |
2.3.1 基于主观数据相对重要度的FMECA方法建模 |
2.3.2 风险优先数不确定性量化模型 |
2.3.3 案例分析 |
2.4 基于客观数据的FMECA方法 |
2.4.1 海上浮式风机的客观故障风险评价指标体系 |
2.4.2 基于客观数据的FMECA方法建模 |
2.4.3 案例分析 |
2.5 基于主客观可靠性信息混合的FMECA方法 |
2.5.1 基于主客观可靠性信息混合的FMECA方法建模 |
2.5.2 面向FMECA全过程的CRPN不确定性建模 |
2.5.3 案例分析 |
2.6 本章小结 |
第三章 海上浮式风机的权值FMECA方法 |
3.1 引言 |
3.2 权值FMECA方法基础输入数据的基本框架 |
3.2.1 领域专家的遴选方法 |
3.2.2 主观专家经验数据的收集 |
3.3 固定权值FMECA方法 |
3.3.1 固定权值FMECA方法建模 |
3.3.2 案例分析 |
3.4 浮动权值FMECA方法 |
3.4.1 浮动权值FMECA建模 |
3.4.2 案例分析 |
3.5 海上浮式风机的关键故障行为及故障规避措施 |
3.5.1 关键故障行为 |
3.5.2 故障规避措施建议 |
3.6 本章小结 |
第四章 基于故障数据近似的海上浮式风机可靠性分析的贝叶斯网络方法 |
4.1 引言 |
4.2 贝叶斯网络 |
4.3 海上浮式风机可靠性分析的贝叶斯网络方法 |
4.3.1 基于故障树的贝叶斯网络模型的构建框架 |
4.3.2 海上浮式风机系统构型 |
4.3.3 海上浮式风机可靠性分析的贝叶斯网络模型 |
4.4 基于故障率近似的海上浮式风机可靠性分析的贝叶斯网络方法 |
4.4.1 海上浮式风机基本单元故障率的近似计算方法 |
4.4.2 案例分析 |
4.5 考虑前期故障的海上浮式风机可靠性分析的贝叶斯网络方法 |
4.5.1 考虑前期故障的海上浮式风机可靠性分析贝叶斯网络建模 |
4.5.2 案例分析 |
4.6 本章小结 |
第五章 海上浮式风机可靠性分析的FMECA-BN方法 |
5.1 引言 |
5.2 可靠性分析的FMECA-BN方法建模 |
5.3 故障行为识别方法 |
5.3.1 基于RPN的关键故障单元与故障行为识别 |
5.3.2 基于FMECA-BN的关键故障单元与故障行为识别方法 |
5.4 案例分析 |
5.4.1 基于FMECA-BN模型的海上浮式风机关键故障单元识别 |
5.4.2 基于FMECA-BN模型的海上浮式风机可靠度计算 |
5.4.3 基于收益期望模型的海上浮式风机的关键故障单元识别 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
附录 附录1.故障模式风险评价指标相对重要度矩阵的一致性检验 |
攻读博士学位期间取得的成果 |
(6)基于移动端的工业机器人远程监测预警系统的设计与研究(论文提纲范文)
中文摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 远程监控 |
1.2.2 远程故障诊断 |
1.3 研究内容及目标 |
1.3.1 研究的内容 |
1.3.2 研究目标 |
第2章 工业机器人远程监测预警系统的总体方案设计 |
2.1 系统的总体架构设计 |
2.2 系统设计原则 |
2.3 关键技术研究 |
2.4 系统各部分主要的任务 |
2.4.1 移动智能监测终端 |
2.4.2 数据存储系统 |
2.4.3 数据传输 |
2.4.4 故障预警系统 |
2.5 本章小结 |
第3章 基于Android系统的远程监测软件设计与实现 |
3.1 移动端远程监测软件平台总体设计 |
3.1.1 软件简析 |
3.1.2 软件架构设计 |
3.1.3 软件开发环境搭建 |
3.2 功能模块的设计与实现 |
3.2.1 移动端功能设计简述 |
3.2.2 UI交互界面模块 |
3.2.3 实时监测数据显示模块 |
3.2.4 网络通信模块 |
3.3 软件异步处理任务设计 |
3.3.1 线程通信的简析 |
3.3.2 异步任务设计 |
3.4 与服务器端通讯 |
3.5 预警和报警设计 |
3.6 本章小结 |
第4章 远程监测预警系统的基础服务功能的设计 |
4.1 PC端软件平台的搭建(Niagara软件平台) |
4.2 数据采集 |
4.2.1 数据采集模块硬件结构 |
4.2.2 数据采集的配置以及采集方式设计 |
4.3 Web服务器的设计 |
4.4 数据库的搭建 |
4.4.1 数据库分析与选取 |
4.4.2 数据库设计与实现 |
4.5 状态监测系统分析 |
4.6 本章小结 |
第5章 基于BP神经网络的预警功能模块的设计与研究 |
5.1 机器人常见故障简述 |
5.2 当前诊断报警模式的问题 |
5.3 常见预警诊断方法的分析与比较 |
5.4 工业机器人的故障预测及诊断算法研究 |
5.4.1 人工神经网络预测模型 |
5.4.2 关键部件故障预测算法研究 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 全文总结 |
6.2 研究展望 |
参考文献 |
致谢 |
攻读硕士期间发表的学术论文 |
(7)基于列车数据分析的故障预警技术研究(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 国内外研究现状 |
1.2.1 特征提取技术研究现状 |
1.2.2 故障诊断技术研究现状 |
1.2.3 安全可靠性方法研究现状 |
1.3 论文主要内容及结构安排 |
第二章 故障预警关键技术分析 |
2.1 车载设备结构及功能 |
2.2 故障文本数据介绍 |
2.3 故障诊断方法分析 |
2.3.1 文本挖掘技术分析 |
2.3.2 故障诊断模型分析 |
2.4 安全可靠性方法分析 |
2.4.1 可靠性数据分析 |
2.4.2 故障树与贝叶斯基本原理 |
2.4.3 故障模式影响及危害性方法分析 |
2.4.4 系统综合评估方法研究 |
本章小结 |
第三章 文本故障诊断模型的建立与仿真 |
3.1 故障数据特征提取 |
3.1.1 基于TF-IDF的故障特征提取 |
3.1.2 故障特征的属性约简 |
3.1.3 不平衡数据的特征提取方法 |
3.2 模型建立与仿真 |
3.2.1 BP神经网络模型 |
3.2.2 模型仿真 |
本章小结 |
第四章 列控车载子系统可靠性分析与评估 |
4.1 基于贝叶斯网络的车载子系统可靠性分析 |
4.1.1 系统故障致因模型 |
4.1.2 FTA向BN的转化 |
4.1.3 系统薄弱环节分析 |
4.2 基于FMECA的车载子系统可靠性分析 |
4.2.1 系统风险分析模型 |
4.2.2 改进系统风险评估 |
4.3 基于AHP的基本单元权重确立 |
4.3.1 层次分析法模型 |
4.3.2 基本单元权重确立 |
4.4 车载系统故障预警综合分析 |
4.4.1 设备故障预测 |
4.4.2 综合预警评估 |
4.4.3 维修策略分析 |
本章小结 |
第五章 车载设备安全分析预警系统 |
5.1 系统软件方案与功能设计 |
5.1.1 系统设计原则 |
5.1.2 软件功能设计 |
5.2 故障预警系统功能实现 |
5.2.1 系统管理模块 |
5.2.2 系统主界面 |
5.2.3 故障数据查询界面 |
5.2.4 故障诊断模块 |
5.2.5 系统预警模块 |
本章小结 |
结论 |
参考文献 |
附录 系统软件部分设计类图 |
攻读硕士学位期间发表的学术论文 |
致谢 |
(8)基于状态智能预警驱动的柴油机IETM关键技术研究与应用(论文提纲范文)
学位论文数据集 |
摘要 |
ABSTRACT |
符号说明 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究综述 |
1.2.1 柴油机故障传统监测诊断方法概况 |
1.2.2 柴油机故障智能监测诊断技术研究概况 |
1.2.3 IETM技术发展概况 |
1.3 前人的研究成果 |
1.3.1 柴油机监测诊断方面研究成果 |
1.3.2 智能诊断技术研究成果 |
1.3.3 IETM技术研究成果 |
1.4 论文结构与内容安排 |
第二章 柴油机典型机械故障分类与预警诊断技术 |
2.1 柴油机典型机械故障分类及其特征信号 |
2.1.1 柴油机典型机械故障分类 |
2.1.2 柴油机典型机械故障特征信号类型 |
2.2 柴油机典型机械故障监测预警方法 |
2.2.1 基于统计特征参量分析的时域信号监测预警方法 |
2.2.2 基于振动信号角域分析的故障诊断预警方法 |
2.2.3 基于振动信号时频分析的故障监测预警方法 |
2.2.4 基于振动信号自适应的EMD智能预警方法 |
2.2.5 基于K近邻的柴油机故障识别预警方法 |
2.3 柴油机故障预警诊断技术难点 |
2.4 本章小结 |
第三章 柴油机连杆轴瓦故障监测预警方法研究 |
3.1 连杆小头衬套滑移故障 |
3.1.1 连杆小头衬套滑移故障机理 |
3.1.2 连杆小头衬套滑移故障特征与监测难点分析 |
3.2 连杆轴瓦磨损故障 |
3.2.1 连杆轴瓦磨损故障类型与传统监测方法 |
3.2.2 连杆轴瓦磨损故障特征 |
3.3 基于SAW无线测温技术的轴瓦磨损类故障预警与诊断方法研究 |
3.3.1 SAW无源无线测温原理 |
3.3.2 基于SAW的连杆轴瓦温度传感器的设计 |
3.3.3 信号处理装置的设计 |
3.3.4 软件系统的设计 |
3.4 实验验证 |
3.4.1 高速单缸机配机试验 |
3.4.2 轴瓦磨损故障模拟试验 |
3.5 本章小结 |
第四章 柴油机曲轴弯曲微变形故障诊断方法研究 |
4.1 曲柄连杆简化模型的理论分析计算 |
4.1.1 曲柄连杆力学模型分析 |
4.1.2 曲柄模型简化 |
4.1.3 横向力作用下曲轴受力分析 |
4.1.4 弯曲形变对于横向力作用下曲轴受力影响 |
4.2 基于多体动力学仿真的故障特征研究 |
4.2.1 模型建立与参数设置 |
4.2.2 仿真过程 |
4.2.3 仿真结果分析 |
4.3 曲轴弯曲微变形故障监测预警方法 |
4.4 故障案例验证 |
4.4.1 传感器与测点布置 |
4.4.2 故障现象描述 |
4.4.3 数据分析与故障诊断结论 |
4.5 本章小结 |
第五章 柴油机典型机械故障智能预警诊断系统设计 |
5.1 基于缸盖振动信号概率密度分布的柴油机输出功率识别算法 |
5.1.1 缸盖振动信号截止滤波预处理 |
5.1.2 基于自适应EMD分解的缸盖振动信号处理方法研究 |
5.1.3 基于振动速度概率密度分布的功率识别方法 |
5.2 基于改进KNN的柴油机故障报警阈值动态自学习算法 |
5.2.1 训练集的构建 |
5.2.2 K值的确定 |
5.2.3 报警阈值动态学习方法 |
5.3 柴油机在线监测预警系统设计 |
5.3.1 系统总体设计 |
5.3.2 硬件方案 |
5.3.3 软件方案 |
5.4 工程应用案例 |
5.4.1 故障情况 |
5.4.2 报警信息与监测数据分析 |
5.4.3 故障原因探究 |
5.4.4 结论 |
5.5 本章小结 |
第六章 基于智能预警驱动的柴油机IETM架构设计 |
6.1 IETM平台的功能模块 |
6.1.1 多媒体制作工具 |
6.1.2 XML编辑器 |
6.1.3 公共源数据库 |
6.1.4 发布引擎 |
6.1.5 浏览器 |
6.2 标准IETM内容模块 |
6.3 IETM的开发流程 |
6.3.1 数据模块编码 |
6.3.2 数据模块需求列表(DMRL)编制 |
6.4 基于智能预警驱动的柴油机IETM架构设计 |
6.4.1 架构设计 |
6.4.2 具体实现 |
6.5 本章小结 |
第七章 结论与展望 |
7.1 研究结论与成果 |
7.2 主要创新点 |
7.3 展望 |
参考文献 |
致谢 |
研究成果及发表的学术论文 |
作者和导师简介 |
附件 |
(9)军用UUV发展方向与趋势(下)——美军用无人系统发展规划分析解读(论文提纲范文)
5 军用关键技术领域 |
5.1 互操作性 |
5.1.1 互操作性的定义与内涵 |
5.1.2 互操作性的需求层级 |
5.1.3 互操作性的等级模型 |
5.1.4 实现互操作性的措施 |
5.1.5 互操作性标准 |
5.1.6 互操作性与OA |
5.1.7 互操作性与模块化 |
5.2 自主性 |
5.2.1 自主性的定义与概念 |
5.2.2 自主性等级 |
5.2.3 实现自主性的关键能力和技术1) 理解和适应环境的能力 |
5.2.4 对自主性的作战牵引问题 |
5.2.5 自主性能力的扩展——自主蜂群 |
5.2.6 自主性的可信任度和自主权限问题 |
5.2.7 美军的自主性发展规划 |
5.3 通信 |
5.3.1 现状及UMS通信面临的问题 |
5.3.2 重点发展的通信技术1) 压缩技术 |
5.4 高级导航 |
5.6 持久韧性 |
5.6.3 生存力 |
5.6.4 结构和材料老化 |
5.6.5 推进技术 |
5.7 武器化 |
5.8 UUV的一些特有问题 |
6 部队使用中面临的问题 |
6.1 后勤保障 |
6.1.1 可靠性和可维修性 |
6.1.2 保障模式及其转型 |
6.1.3 无人系统保障规划 |
6.1.4 保障数据策略 |
6.1.5 典型案例——MQ-9无人机保障的教训 |
6.2 训练 |
6.3 兵力结构 |
6.4 发射与回收 |
6.4.1 发射与回收的一般过程 |
6.4.2 不同发射方式的优缺点 |
7 推动UUV发展的新兴技术 |
7.1 推动无人系统技术发展的基础科学 |
7.2 Do D重点投资的UMS通用技术 |
7.3 美国研发中的关键技术 |
8 展望与启示 |
8.1 展望 |
8.2 启示 |
8.2.1 积极探索新的无人系统作战理念和装备发展理念 |
8.2.2 将互操作性、模块化和开放式平台作为无人系统采办的关键目标和主要约束 |
8.2.3 建立统一的无人系统顶层管理机构和组织 |
8.2.5 军民融合环境下的产品和技术竞争 |
8.2.6 探索无人装备的新型保障模式和保障策略UUV等无人装备不同于传统主战武器:技 |
8.2.7 同步开展无人系统作战运用研究 |
8.3 结语 |
(10)基于UDP通信的综合设备检测系统的研究与实现(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 论文组织结构 |
1.4 本章小结 |
第2章 相关基础概念介绍 |
2.1 相关技术 |
2.1.1 UDP通信 |
2.1.2 MVC框架 |
2.1.3 传感器技术简介 |
2.2 相关概念定义 |
2.3 本章小结 |
第3章 基于传感器的航迹精度分析算法的研究 |
3.1 航迹精度分析子系统 |
3.1.1 航迹精度分析子系统概述 |
3.1.2 航迹精度分析子系统的设计与实现 |
3.2 传感器偏差估计算法原理 |
3.2.1 获取航迹数据 |
3.2.2 变换到本地坐标系 |
3.2.3 参考轨迹构建 |
3.2.4 偏差计算 |
3.2.5 偏差评估 |
3.2.6 传感器偏差监视 |
3.2.7 统计 |
3.3 本章小结 |
第4章 基于UDP通信的综合设备检测系统的设计与实现 |
4.1 系统概述 |
4.2 综合设备检测保障系统的设计与实现 |
4.2.1 系统功能设计 |
4.2.2 系统总体设计 |
4.2.3 系统详细设计 |
4.2.4 综合设备检测保障系统运行指标 |
4.3 本章小结 |
第5章 总结 |
参考文献 |
作者简介及在学期间所取得的科研成果 |
致谢 |
四、故障预警系统改变舰艇装备维修模式(论文参考文献)
- [1]基于ATML的舰艇装备多状态测试系统设计[J]. 刘政,陈晨,张赛. 计算机测量与控制, 2021(10)
- [2]典型制导弹药故障预示预警系统的设计[J]. 蒲亚博,王艳艳,赵方超,刘伟,罗天元. 兵器装备工程学报, 2021(08)
- [3]铁路货车实施PHM系统的必要性及总体架构研究[J]. 李志强,吴新春,彭丽,张慧云,贾美薇. 成都工业学院学报, 2021(02)
- [4]美海军水下作战体系发展及启示[J]. 刘晓伟,马宇,李筠,袁湘江. 飞航导弹, 2021(05)
- [5]海上浮式风机可靠性分析的FMECA和贝叶斯网络新方法[D]. 李贺. 电子科技大学, 2021(01)
- [6]基于移动端的工业机器人远程监测预警系统的设计与研究[D]. 许向南. 天津职业技术师范大学, 2021(06)
- [7]基于列车数据分析的故障预警技术研究[D]. 张晓岚. 大连交通大学, 2020(06)
- [8]基于状态智能预警驱动的柴油机IETM关键技术研究与应用[D]. 高志龙. 北京化工大学, 2020(01)
- [9]军用UUV发展方向与趋势(下)——美军用无人系统发展规划分析解读[J]. 钱东,赵江,杨芸. 水下无人系统学报, 2017(03)
- [10]基于UDP通信的综合设备检测系统的研究与实现[D]. 马慧. 吉林大学, 2016(01)