面向大数据的机电装备健康状态监测方法研究与系统开发

摘要

机电装备是集成机械、电气、液压、力学等技术的机电一体化产品，不同知识系统的融合，加上工业生产中的复杂工况，导致机电装备发生故障的可能性大大提高。传统方法对于机电装备的健康状态监测与诊断的研究，大多基于装备在运行过程中采集到的状态监测数据。随着工业制造领域对机电装备健康状态监测要求的不断提高，需要实时监测机电装备运行过程中的各种参数，状态监测数据总量随着时间的不断推移而出现跃升，从而超出传统的数据处理与数据存储的范围。所以，面向大数据的机电装备健康状态监测方法的研究，具有相当重要的理论与实际意义。
　　本研究主要内容包括：⑴分析机电装备在运行状态下采集的状态监测数据，针对某一时刻传感器采集的装备状态监测数据，分组提取特征参数。利用自适应神经模糊推理系统（ANFIS）建立状态监测数据与机电装备健康状态之间的映射关系，实现机电装备健康状态的监测。⑵在单台计算机上配置伪分布模式，搭建Hadoop大数据平台来处理工业大数据，利用Hadoop的分布式文件系统（HDFS）存储机电装备状态监测数据，利用Hadoop的并行计算模式MapReduce分析与处理机电装备状态监测数据。⑶设计并实现面向大数据的机电装备健康状态监测系统。在自适应神经模糊推理系统（ANFIS）和Hadoop大数据平台的基础上，开发了基于C/S（Client/Server）模型的软件系统，并实现相关功能模块。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1课题来源、研究背景及意义

1.2国内外研究现状

1.3本文主要内容及结构

2 模糊神经网络与大数据处理的相关技术

2.1模糊推理系统

2.2大数据处理的Hadoop平台

2.3本章小结

3 基于ANFIS的机电装备健康状态监测方法研究

3.1机电装备健康状态监测的流程

3.2自适应神经模糊推理系统模型搭建

3.3实例计算

3.4本章小结

4 基于Hadoop的机电装备健康状态监测系统设计

4.1需求分析

4.2总体框架

4.3本章小结

5 基于Hadoop的机电装备健康状态监测系统实现

5.1基于Hadoop的机电装备健康状态监测系统集成开发环境的搭建

5.2机电装备健康状态监测系统的实现

5.3本章小结

6 总结与展望

6.1全文总结

6.2课题展望

致谢

参考文献

攻读硕士学位期间发表学术论文情况