一、计算机辅助故障诊断与维修系统的实现（论文文献综述）
张言科[1]（2021）在《应用AR技术的数控机床故障诊断与辅助维修系统研究与开发》文中进行了进一步梳理数控机床作为制造业的核心设备之一,在制造业中有着举足轻重的地位,《中国制造2025》已将数控机床列为“加快突破的战略必争领域”。机床工业的现代化水平和规模已经成为一个国家工业发达程度的重要标志之一。数控机床种类繁多,结构原理复杂,其故障诊断和维修方面存在很多疑点难点。在机床的故障诊断工作过程中,长期存在故障认知难、诊断效率低等问题;在维修过程中,则存在结构认知难、漏操作、误操作等问题,因此需要一款能够帮助技术人员更加高效的进行数控机床故障诊断与维修的系统。针对这些问题,本文提出了基于AR技术的数控机床故障诊断与维修方法,开发了数控机床故障诊断与辅助维修系统,旨在将故障诊断与维修过程可视化,为技术人员提供故障诊断与维修引导,使技术人员不依赖技术手册,提高故障诊断与维修效率。本系统以数控机床故障诊断与维修为对象,应用增强现实技术进行开发,将其运行在安卓系统终端设备上进行真实机床设备展示和操作。本论文的主要工作内容有以下几方面:（1）介绍的选题背景和开发意义,分析了AR技术及其在故障诊断与维修领域的研究现状,确立了课题的基本思路和框架结构,介绍了系统相关理论知识。（2）对系统进行需求分析,确定开发方案,选择合适的开发方案;对系统开发过程进行详细介绍,制作数控车床的模型、动画,开发系统服务器和My SQL数据库,建立CYK360N/1000数控车床主轴调速装置失效故障的故障树诊断模型和案例库,对故障树进行定性和定量分析,利用Unity3D+Vuforia进行客户端开发并进行发布。（3）对系统平面识别、交互设计、着色器可视化、热更新开发等重要开发环节进行阐述,介绍并研究了在开发过程中应用到的关键技术。（4）最后对系统在设备上进行调试,并测试其兼容性,经过运行测试,本系统能够对使用移动设备进行数控机床故障诊断与辅助维修起到积极作用,以3D的表现形式对用户进行指导和培训,提高了检修效率。
王忻[2]（2021）在《自愈控制及其在网络控制系统中的应用》文中研究指明近年来,随着科学和信息技术的飞速发展,各类系统的设计复杂度和各部件之间的耦合度也随之增加,系统的脆弱性问题逐渐显现,故障对系统的正常和安全运行造成不可忽视的威胁。为了提高系统对自身故障情况的监测和应对能力,学者们提出了自愈控制的思想。目前自愈控制仍然处于初级发展阶段,并没有学者给出自愈控制的明确定义和研究范畴等基本概念。在学术界对自愈控制理论的研究才刚刚起步,自愈控制理论的研究是滞后于自愈控制的工程应用的。本文主要对自愈控制的理论进行初步的研究,并且首次给出了自愈控制的定义、基本架构和研究范畴等基本概念。本文采用自愈控制的方法来处理网络控制系统面对的多元不确定性问题,同时对提出的自愈控制的理论进行验证,主要的工作内容如下:首先,通过梳理智能电网的自愈控制、飞行控制系统的自愈控制和机械故障的自愈调控系统的相关研究成果,明确了自愈控制的特征和功能并给出了其定义;讨论了自愈控制与自愈系统以及容错控制的联系与区别;总结了研究自愈控制的意义并分析了其发展趋势。其次,提出了一种基于状态观测器的自愈控制方法,该方法由故障诊断的状态观测器方法和故障处理机制组成,设计的故障诊断方法包括故障估计、故障检测和故障定位三个部分,故障估计可以获得系统发生的加性故障的幅值信息,改进的故障检测和故障定位方法,提高了故障检测和隔离的实时性。结合故障诊断实时获得的故障信息在控制器中设计了故障处理机制,实时消除了故障对系统的影响。再次,设计了一种基于两阶段卡尔曼滤波的自愈控制方法。针对执行器发生的部分失效故障,利用两阶段卡尔曼滤波器对执行器部分失效故障进行诊断,获得的故障信息的精确度高,但是实时性较差,为了提高故障诊断的实时性,提出了两阶段卡尔曼滤波和BP（Back Propagation）神经网络相协同的故障诊断方法,并结合在线进行控制律重构/控制律切换方法,消除/抑制故障对系统的影响;同时,对于系统中发生的未知故障或者执行器完全失效故障,提出了基于故障隔离的自愈控制方法,抑制故障对系统的持续影响。最后,设计了一种基于网络切换的自愈控制方案。针对系统中发生故障或拒绝服务攻击的随机性,在卡方检测的基础上设计了系统异常检测方法,改进了异常检测阈值的选择方法,降低了检测阈值选择的难度;然后,采用基于支持向量机的异常诊断方法,对异常状态进行分类;对于系统中发生拒绝服务攻击的情况,结合异常检测和诊断的结果,设计了一种基于网络切换的自愈策略,使得网络控制系统在发生拒绝服务攻击的情况下可以自愈,并且系统性能保持在可接受水平。本文为了验证所提出的自愈控制方法的有效性,利用MATLAB工具箱True Time搭建了网络控制系统进行数值仿真。最后,总结了全文的工作,并对需要进一步研究的工作进行了展望。
苏霞[3]（2021）在《基于混合现实的工业设备维修系统》文中提出传统依靠于维修手册的设备维修方法普遍存在查阅不便、耗时长、失误率高等问题,手册查阅和维修操作执行的频繁切换容易使得维修人员的注意力无法集中,也逐渐无法满足工业4.0时代下更加智能、精密的工业设备的维修需求。为解决以上问题,并进一步提升维修效率、降低设备故障造成的损失和保障设备的高效运转,可以利用混合现实（Mixed Reality,MR）技术通过逼真的视觉效果和良好的交互方式等实现工业设备辅助维修。本文设计并开发了一套基于混合现实的工业设备维修系统,主要工作有:（1）针对工业维修中存在的问题,进行需求分析,并以此为依据设计并实现混合现实辅助维修系统,其主要包括五项功能:用户信息管理、故障排查/诊断、维修指导、维修报告单生成和设备引导训练。系统中对齐到真实设备上的三维模型、操作动画、文本说明等信息让维修指导更加直观,其也被成功应用到一款汽油发动机的故障维修中。（2）混合现实辅助工业设备维修系统的关键技术研究。将在Holo Lens设备中捕获到深度帧转化为点云数据,并将点云数据通过局域网传输到PC服务端,然后对点云执行预处理操作,再利用SAC-IA算法和快速鲁棒ICP算法分别实现点云粗配准和精配准,获得的变换矩阵还需要实现深度相机坐标系到视频相机坐标系的投影变换,最终实现虚实融合的效果;虚拟模型对齐到真实设备后,为其添加空间锚,以保证叠加效果更加稳定;可以通过手势和语音实现用户与系统之间的交互,操作简单、自然且高效。（3）系统实现与测试评估。首先对混合现实工业设备维修系统进行功能测试,结果表明本系统可以有效地提升复杂维修任务的效率和降低维修失误发生概率;之后对系统中的人机交互和三维注册算法等进行性能测试,验证其有效性;最后从易理解性、易学性、易操作性、容错度和满意度五个方面评估该系统的可用性。
邱晨[4]（2021）在《面向计算机联锁智能运维的深度学习故障诊断方法研究》文中提出计算机联锁是具有代表性的铁路信号安全苛求系统,负责列车的进路控制和车站作业安全防护。当前计算机联锁系统运行维护的智能化水平较低,主要还是依靠人工经验,无法应对大规模的故障诊断需求,且容易出现由于经验不足造成的诊断不完备、诊断出错等问题。人工智能技术的发展,以及系统运行过程中产生的海量数据给联锁系统的智能运维带来了机遇。本文从联锁系统自身特点出发,面向智能运维,研究基于深度学习的故障诊断方法,并设计实现了一套计算机联锁智能运维支持系统,可有效提高故障诊断的自动化水平。本文主要工作如下:（1）提出了一种针对站场拓扑的树形数据组织方法。考虑到联锁逻辑对站场拓扑的依赖性,给出一种树形结构用于描述站场设备间的关联关系,解决深度学习模型中,联锁数据维度过大的问题。（2）提出了一种基于树形结构的深度学习联锁逻辑故障诊断模型。以某大规模实际站场为对象,采用了五种不同的神经网络对其进行建模,并进行对比评估实验,结果表明,所提出的树形结构诊断模型提高了30%左右的故障诊断准确率。（3）提出了一种面向联锁逻辑时序特性的深度学习模型。将树形神经网络分别与循环神经网络及其衍生算法相结合,形成了针对联锁逻辑特点的故障诊断模型。同时,将结合时序逻辑的故障诊断模型与仅采用树形结构的模型进行评估对比,实验结果表明结合时序信息的模型在二分类任务中准确率为90.26%,在多分类任务中为88.00%,证明了其有效性。（4）基于所提出的方法,设计实现了一种基于深度学习的计算机联锁智能运维支持系统。该系统以故障诊断模型为核心,为管理人员提供了可视化界面,并实现了运维相关功能,包括站场状态显示、联锁故障诊断和设备状态查询评估等。本文工作围绕联锁系统的自身特点,融合深度学习人工智能技术,为联锁逻辑的故障诊断提供了一种新的思路和解决方案,对计算机联锁智能运维具有借鉴意义。
范家铭[5]（2020）在《基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究》文中指出伴随着我国“一带一路”战略铺展开来,高铁已成为我国新“四大名片”之一,其知名度和重要性不亚于古老中国的“四大发明”。截止2019年末,中国已投入运营的高速铁路里程数达到3.5万公里,稳居世界首位。道路千万条,安全第一条,安全性是高铁飞速发展的基石。对关键零部件的健康状态监测,尤为重要。PHM（Prognostics and Health Management）技术可以对高铁在途运行设备进行状态感知、健康监控,并对故障的发生做出预测,从而降低安全风险。本文利用故障预测与健康管理的技术手段,以数据无损压缩技术、数据传输加密技术、故障特征提取方法、信号去噪技术、关键参数优化方法和神经网络方法为理论基础,建立基于PHM技术的高铁车载通信装备健康监测智能分析方法,实现了关键零部件的故障定位及预测。该方法虽然实现了故障快速定位和精准预测,但通常需要高性能计算机来支撑数据的计算和分析,所以本文将高铁运行数据进行实时无损压缩并加密后,通过铁路无线通信网络将数据回传至地面分析服务器,以其高性能计算能力快速、准确地进行故障定位和预测,有效地解决了高铁车载设备不具备高性能计算能力而无法实时处理数据的问题。地面分析服务器对数据进行解密和特征分析高效快捷,利用神经网络算法使故障识别和故障预测的精度及效率都得以保障,为保障高速铁路安全运营提供了重要的技术手段。本文提出的方法已在兰州铁路局项目中得到了应用,并在实际应用中不同程度的降低了运维成本和故障不可复现率,体现出PHM技术在故障诊断和故障预测研究方面的意义和价值。本文的主要研究成果如下:（1）针对高速铁路的安全运行问题,结合了故障预测与健康管理技术理论,提出了一种基于动车组PHM体系架构。该架构对高铁车载通信装备进行了PHM技术理论分析、故障诊断技术分析、预测技术分析、应用分析等技术进行论述,并基于故障预测与健康管理技术为理论基础提出了动车组故障预测与健康管理体系框架,对高铁车载通信装备的健康状态监测和故障预测方面提供重要理论指导。（2）高铁车载装备的网络资源有限,无法满足对监测的车载装备运行信息实时传输至地面服务器,为此提出了一种无损压缩技术与加密技术联合算法。该算法利用铁路既有无线网络基础在低带宽下实现实时传输高铁车载通信装备运行数据,以供地面服务器实时分析车载装备的健康状况和故障预测。该算法以行程长度无损压缩算法为基础进行了改进以降低数据的压缩比率,同时融入Logistic混沌理论和RSA加密算法以及Logistic置乱加密算法,减少网络传输时所占用的网络带宽,提高了网络传输的安全性,为进一步分析设备的健康状态和故障诊断及预测提供基础性保障。（3）故障诊断通常需要对故障特征进行提取并分析,去除数据中混杂的噪声。该部分对接收到的车载装备运行信息展开深入研究,针对高铁车载通信装备在运行中因场强信号而导致的故障问题,提出了一种基于PHM技术的高铁车载通信装备的故障诊断方法。该方法以双树复小波包变换为基础进行算法改进,同时结合了自适应噪声的完备经验模态分解来进行故障噪声的降噪与特征提取,然后利用无监督学习中的密度聚类方法进行自适应改进,并将提取出的特征类型进行特征分类,最后将分类结果输入到极限学习机中进行训练。实验验证了提出的故障诊断方法具有较强的特征提取能力、快速识别故障能力以及高精度的识别率,为设备的故障预测提供良好的支撑。（4）深入分析高铁车载通信装备的实际运行工况中,针对高铁车载通信装备故障发生率较高的原因是由于电池失效导致高铁车载通信装备无法正常工作的问题,提出了一种HA-FOSELM电池失效预测方法。该方法为了降低噪声对预测带来的影响,采用变分模态分解方法进行去噪处理,同时使用含有遗忘机制的在线序列极限学习机算法对去噪后的数据进行学习和训练,该算法支持数据的动态增量更新。为了提高算法的识别精度和降低关键参数对该算法的影响,引入了混合灰狼优化算法对HA-FOSELM方法的关键参数进行自适应优化,同时融合注意力机制,从而有效地提高了预测精度。通过实验验证,本文提出的方法在性能、效率、精度等方面都优于传统的神经网络算法,有效地降低了因电池故障导致列车行驶安全的问题。
张雨萌[6]（2020）在《数字孪生驱动的矿用设备维修MR辅助指导系统》文中研究指明煤矿机电设备因恶劣工况环境导致故障频发,加之井下环境和场地限制,专业维修困难且效率低。随着高产高效工作面建设,采掘装备现场维修矛盾日益突出,因维修人员水平限制或者不能及时到位,设备难以有效维修,经常造成停工引起巨大经济损失。传统矿用设备故障维修方法存在维修知识获取不直观、对人依赖性大、专家维修指导不及时等问题,复杂故障甚至要升井返厂维修,现场急需强有力的维修指导技术。数字孪生（Digital Twin,DT）驱动维修指导过程,以混合现实（Mixed Reality,MR）连接维修现场和虚拟指导过程,实现维修虚拟指导和专家远程协同的复杂系统维修技术是解决上述问题的最佳策略。论文提出了一种数字孪生驱动的矿用机电设备维修MR辅助指导方法,研究MR辅助维修模型、技术框架及使能技术,促进现实和虚拟维修环境的虚实融合、双向映射、仿真预警,实现机电设备的可视化辅助维修指导,对提高复杂故障维修能力意义重大。针对零部件多、维修过程复杂,指导流程多样等问题,提出基于故障树分析的矿用设备维修行为模型,通过矿用设备故障机理研究和总结,采用故障树分析法建立设备失效模型,根据目标设备的关键失效因素分析维修行为,建立有效的维修行为树模型,奠定了系统开发理论基础,提高了系统开发效率。针对辅助维修指导过程中的流程表达、可视化指导等难题,研发基于DT+MR的矿用设备辅助维修指导原型系统,促进现实维修空间与虚拟维修空间虚实融合,搭建混合现实虚拟仿真开发环境,通过人工标识和自然特征点相结合的MR三维注册虚实融合方法改善虚实融合效果,并设计适用于矿用设备故障维修指导的标准示意图,形成匹配典型过程的维修指导流程虚拟仿真片段,实现了矿用设备故障维修指导过程的流程化表达。针对设备辅助维修指导缺乏信息交互的问题,研发数字孪生驱动的虚实空间数据反馈技术,从设备故障数据交互、MR人机交互和远程专家在线交互三个方面,实现虚拟维修空间与真实维修空间的双向映射和仿真预警,达到设备运行状态数据监测下实时性故障维修指导的目标。最后,搭建数字孪生驱动的复杂机电设备MR故障维修指导系统,以电牵引采煤机摇臂部传动系统故障为对象搭建实验平台,对系统的实时维修指导功能进行实验验证。实验测试结果表明,维修人员佩戴一台HoloLens眼镜便可按照虚拟辅助维修系统的提示独立完成维修过程,随时可调用维修知识和请求远程专家指导,按照直观的故障维修指导流程完成维修作业,对解决恶劣环境或危急场景下的复杂故障维修具有重要意义和应用价值。
龚雅琼[7]（2020）在《基于增强现实技术的辅助维修系统设计与实现》文中指出随着机电装备结构、功能复杂性的增加和产品更新换代速度的加快,传统依靠维修人员经验的方式会导致维修作业负荷强度大、出错率高,难以满足日益增长的维修需求。增强现实（Augmented Reality,AR）技术可以作为辅助角色,在维修操作时减轻人员的认知与记忆负荷,进而提高维修效率和质量,基于AR的辅助维修系统为维修作业改善提供了新的技术手段。本文以增强现实技术在维修领域的应用为研究目标,基于维修作业需求分析增强现实环境下维修作业系统核心模块的设计,以某涡轮发动机为维修对象,完成一套增强现实维修辅助系统的开发。该系统具有人机交互友好、适用于多用户、支持远程通讯等特点。论文完成的主要研究工作如下:（1）在分析维修需求和辅助维修系统功能的基础上,提出辅助维修系统总体架构。通过梳理辅助维修系统功能需求,确定系统开发流程和相关技术,采用3ds Max完成场地和模型构建、基于Unity3D引擎搭建虚拟场景,选择Kinect作为传感器采集数据,采用C#语言在Visual Studio平台实现相关软件模块的开发、打包、编译和部署。（2）围绕维修作业任务,完成辅助维修关键信息的提取与转化,得到AR环境下维修工艺文件;通过建立维修作业模型,实现传统维修工艺向增强现实环境下维修工艺的处理、转化和存储;完成辅助维修系统通用数据库设计,使之具备良好的灵活性和可移植性。（3）以人机交互模块和协同模块为重点,研究系统模块的功能需求及其实现方法。从增强现实交互、维修任务和模块要素等层面分析人机交互模块的结构组成,建立系统交互任务模型。针对目前手势交互存在方式单一的问题,开展基于Kinect传感器的手势识别模块开发,满足用户自定义手势的拓展功能。确定了协同模块并发控制策略和增强现实场景共享技术路线,选用C/S的软件架构,采用TCP和UDP网络通信协议实现数据的传输、封装和解析,分析代码的实现过程。（4）在开展系统功能分析和模块设计的基础上,完成相关功能模块的开发与集成,并以某涡轮发动机为例完成辅助维修案例分析,验证所开发的AR辅助维修系统具有辅助维修等相关功能和良好的人机交互特性。基于增强现实的辅助维修系统能有效提升用户的使用体验,提高维修作业的效率与质量,具有重要工程应用前景。论文完成了此类系统核心功能模块的设计和开发,系统具备后台管理、维修记录管理、维修引导、多人协同以及远程通信等功能。相关研究内容为增强现实技术在工业维修领域的应用做出了有益的理论探索和初步的应用实践。
周广宇[8]（2020）在《基于专家系统的飞机配电系统辅助排故综合决策研究》文中进行了进一步梳理航空工业和航空运输行业高速发展导致飞机型号迭代加快和航空公司机队规模快速扩张,进而导致故障隔离难度增加和维修工作量剧增。如何快速确定关键故障信息,提高故障处置效率,减少对航班正常运行的影响,降低维修成本,是飞机航线维修面临的一个难题。传统的飞机航线故障处置主要依靠维修人员查找维修手册制定排故方案并临时预估故障处置时间,对历史故障数据和维修经验利用不充分,导致排故效率低且对航班运行决策支撑不够,进而导致飞机出现故障时航班延误时间长且调整频繁。本文针对上述问题展开研究,主要研究内容如下:一、对飞机故障诊断和辅助排故的国内外研究现状进行综述和分析,对飞机配电系统常见故障诊断分析方法,特别是故障树分析法和专家系统方法进行了理论研究,并在文中配电系统故障分析和辅助排故综合决策部分加以应用。二、深入分析了某机型配电系统的组成结构及其关键部件的功能和原理。从航线维修实际出发,利用故障树分析法分析某机型配电系统关键LRU的故障模式,并建立故障树。根据飞机系统功能框图和基本控制理论简化飞机系统,便于判断故障信息处理的优先级;同时结合维修工作实际,将故障简化分为虚假故障和真实故障,便于在排故决策逻辑中计算排故优先顺序。三、基于专家系统理论,本文提出了配电系统辅助排故综合决策解决方案。将历史故障（三年滚动数据）与维修排故手册相结合,加权确定排故优先顺序,并使用维修经验对其进行补充,使排故方案更贴近机队实际情况;提出关键故障信息预判的单一性、关联性、上下级关系的判断逻辑,提高故障预判效率;引入平均保留放行工作时间和平均排故工作时间参数,根据行业工时计算方法,不断对上述参数进行修正,为评估保留放行或排故工作停场时间提供依据;对传统的排故决策逻辑、保留放行决策逻辑进行优化,提出了综合决策逻辑,提升对航班运行决策的支撑。四、利用配电系统故障案例对辅助排故综合决策进行验证,并与实际故障处置方案和结果复盘进行对比,验证该综合决策在提高故障处置效率、节省维修成本、提高运行决策支撑方面具有实用价值,值得在飞机其他系统推广应用。
杨楠[9]（2020）在《汽轮机智能诊断与健康管理关键技术研究》文中研究说明随着“中国制造2025”、“互联网+”、“新一代人工智能发展规划”等国家战略的提出,在人工智能技术的推动下,智慧电厂成为能源企业未来趋势。智能诊断与健康管理（Intelligent Diagnosis and Health Management,IDHM）技术,更是需要新一代人工智能技术的融入,用以辅助提高电厂对设备运行、诊断、维护的效率。当前关于故障诊断与维修决策的相关研究繁多,且各有特点。另一方面,又缺乏针对复杂系统构建IDHM技术体系的研究。导致当前各种新技术、新方法不能有效的被电厂认识和应用。由其是对汽轮机这类重大设备,其本身具有故障模式复杂、监测信息少、故障样本稀缺、诊断知识祭奠丰富等特点,需要有针对性的运用IDHM技术解决传统问题,同时,灵活的运用经验知识使IDHM技术更具智慧。因此,本文立足于IDHM是辅助运维人员发现异常、排除故障、降低风险的初衷,以汽轮机组这类重大设备为例,在总结其故障诊断难点问题的基础上,开展综合利用经验知识和机器学习的IDHM关键技术研究。首先,结合汽轮机组故障诊断与维护过程中经验知识依赖性强、知识重用性高、知识数据非结构化等特点,基于设备树分析、故障模式与影响分析和故障树分析方法,总结了故障机理的分析方法和步骤。基于知识图谱和本体理论,对具有复杂关系结构的诊断知识,提出了故障诊断知识图谱的构建流程。并以核电汽轮机例,建立了故障诊断知识图谱。通过采用知识图谱对诊断知识进行存储和表达,减少了系统中知识数据的冗余,提高了IDHM系统对知识数据的管理效率。其次,在总结汽轮机故障诊断常用的状态数据故障特征的基础上,对趋势型征兆和频谱型征兆的识别方法进行了研究。提出了一种与经验相结合的序列数据趋势特征量化方法,弥补了以往汽轮机故障诊断中对趋势型征兆识别方法的不足。基于汽轮发电机组振动故障发生时,激振力在非线性系统中传播的原理,提出了一种基于提取振源方向的频谱识别方法,相比传统方法,频谱识别准确率得到较大提高。本文基于汽轮机故障机理知识开展的征兆识别方法研究,弥补了当前汽轮机故障诊断中对趋势型征兆和频谱识别的不足,有助于IDHM系统实现自动征兆识别,提高系统诊断效率。再次,为了弥补征兆识别方法存在误报率和漏报率的情况,以及机器学习方法无法进行知识推理,得到故障原因和维修建议的缺陷,本文对故障隔离、故障诊断和故障严重程度评估方法进行了研究。本文提出了基于图数据库搜索技术的故障隔离方法,以解决由于测点冗余、征兆信息过剩、诊断知识重用造成的诊断目标范围过大的问题。通过故障隔离,也极大的缩小了后续故障诊断的目标范围。为进一步推理故障发生可能性,在提出故障因果网络概念的基础上,将知识图谱中的故障诊断知识转化为可进行模糊推理的贝叶斯网络（Bayesian Network,BN）诊断模型。基于在线征兆和人工排查信息实现了诊断系统与维修人员工作的交互式推理。为综合评估设备当前运行风险水平和优化故障排查顺序,提出了故障链严重程度计算方法,从多个角度综合评估诊断网络中的可能故障链,使维修建议可在较少维修次数下快速降低设备运行风险水平。最后,本文在上述研究的基础上,通过对核电汽轮机IDHM样机系统的开发,设计和开发了 IDHM系统的架构、数据仓库以及各主要功能,使各项技术在功能和数据流转方面得以有效的融合。通过样机系统的开发与测试,验证了本论文研究内容的可行性与有效性。
刘申易[10]（2020）在《基于动态故障树分析与传感网络的机车故障诊断系统的设计》文中指出随着我国重载铁路货运机车的快速发展,机车的故障率与事故发生率随之上升,机车故障诊断技术的重要性也越来越突出。本文基于动态故障树算法和分布式传感网络,研究并设计了适用于SS4B型机车的故障诊断系统,分析了机车的故障模式,确定了传感器布设位置,对系统的硬件部分进行了电路设计与选型,提出了动态故障树分析算法,并通过C#进行编程实现,最后对设计中的理论以及系统整体进行了建模、仿真,验证了可行性。首先本文根据机车的实际情况,将诊断系统的硬件总体设计为传感器网络、分布式传感节点、数据检测终端以及智能故障诊断终端四个部分;对SS4B型机车的主、辅电路的结构以及工作原理进行了分析,并进一步分析了主、辅电路以及气路制动系统的具体故障模式;针对机车的重要故障模式,确定了9个电压传感器和23个电流传感器的布设位置,并对布设原因进行了分析。其次,对系统硬件方面进行了设计。选择了传感网络的拓扑结构,设计了传感网络的接口;对模拟和数字式传感节点的硬件电路进行了设计;对数据检测终端各个板卡实现的功能进行了介绍;完成智能故障诊断终端的选型。相关的软件方面,对网络的通讯协议、传输数据内容以及拥塞控制算法进行了研究,研究设计了传感节点的滤波算法,并对各个节点和终端的软件流程进行了设计。另外,本文在故障树分析法的基础上,提出了一种基于传感器信息的动态故障树分析法,能够根据故障原因部位传感器采集的数据对故障树分析得到的故障原因进行化简。最后,对网络的拥塞控制算法、数字滤波器进行了建模仿真,通过C#编写了能够实现动态故障树分析算法的诊断软件,进行了验证分析;并在此基础上,对传感器滤波、网络数据传输、故障原因诊断进行了综合建模与仿真,验证了故障诊断系统的可行性。图113幅,表16个,参考文献79篇。
二、计算机辅助故障诊断与维修系统的实现（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、计算机辅助故障诊断与维修系统的实现（论文提纲范文）
（1）应用AR技术的数控机床故障诊断与辅助维修系统研究与开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 问题的提出背景及课题研究意义 |
| 1.1.1 问题提出背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 AR技术研究现状 |
| 1.2.2 AR故障诊断与维修国外研究现状 |
| 1.2.3 AR故障诊断与维修应用国外研究现状 |
| 1.3 论文基本思路和框架结构 |
| 1.3.1 基本思路 |
| 1.3.2 框架结构 |
| 第2章 数控机床故障诊断与辅助维修系统理论 |
| 2.1 数控机床系统概述 |
| 2.2 数控机床故障诊断技术 |
| 2.2.1 数控机床故障类型 |
| 2.2.2 基于故障树分析的故障诊断方法 |
| 2.2.3 基于案例库的故障诊断方法 |
| 2.3 增强现实技术 |
| 2.3.1 三维跟踪注册技术 |
| 2.3.2 增强现实系统组成 |
| 2.4 本章小结 |
| 第3章 数控机床故障诊断与辅助维修系统开发 |
| 3.1 需求分析 |
| 3.1.1 功能需求分析 |
| 3.1.2 用户需求分析 |
| 3.2 系统开发方案及开发工具的选择 |
| 3.2.1 系统框架组成 |
| 3.2.2 系统硬件环境 |
| 3.2.3 系统软件环境 |
| 3.3 数控机床模型及动画制作过程 |
| 3.3.1 机床模型建模过程及优化 |
| 3.3.2 数控机床模型动画制作 |
| 3.4 系统后端开发 |
| 3.4.1 服务器开发设计 |
| 3.4.2 数据库开发设计 |
| 3.5 故障树诊断模型构建 |
| 3.5.1 故障树模型创建 |
| 3.5.2 故障树定性分析 |
| 3.5.3 故障树定量分析 |
| 3.6 Unity客户端开发 |
| 3.6.1 客户端场景开发 |
| 3.6.2 AR故障诊断与维修功能开发 |
| 3.6.3 系统发布 |
| 3.7 本章小结 |
| 第4章 数控机床故障诊断与辅助维修系统开发过程关键技术研究 |
| 4.1 平面识别实现 |
| 4.1.1 SLAM技术 |
| 4.1.2 系统平面识别模块开发 |
| 4.2 系统交互开发 |
| 4.2.1 系统交互方式 |
| 4.2.2 系统交互设计 |
| 4.3 着色器开发 |
| 4.3.1 Shader Graph分类 |
| 4.3.2 机床模型边缘高光实现 |
| 4.3.3 Fresnel Effect节点分析 |
| 4.4 系统版本热更新 |
| 4.4.1 系统热更新方案选择 |
| 4.4.2 ILRuntime热更新的迁入及Hot Fix环境配置 |
| 4.5 本章小结 |
| 第5章 数控机床故障诊断与辅助维修系统运行测试与分析 |
| 5.1 系统构成 |
| 5.2 系统功能的实现 |
| 5.2.1 系统登录 |
| 5.2.2 机床原理认知学习 |
| 5.2.3 数控机床故障诊断与维修模拟培训的实现 |
| 5.2.4 数控机床故障诊断与维修辅助功能的实现 |
| 5.3 系统兼容性测试 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间论文发表及科研情况 |
（2）自愈控制及其在网络控制系统中的应用（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 自愈控制 |
| 1.3 网络控制系统的研究现状 |
| 1.3.1 NCS的基本问题的研究现状 |
| 1.3.2 NCS的故障诊断的研究现状 |
| 1.3.3 NCS的容错控制的研究现状 |
| 1.3.4 NCS的安全问题研究现状 |
| 1.4 本文的主要工作及章节安排 |
| 1.5 本章小结 |
| 2 自愈控制的综述与分析 |
| 2.1 引言 |
| 2.2 自愈控制的应用领域 |
| 2.2.1 智能电网领域的自愈控制 |
| 2.2.2 飞行控制系统领域的自愈控制 |
| 2.2.3 机械系统领域的自愈控制 |
| 2.2.4 自愈控制应用领域的总结 |
| 2.3 自愈控制的特征、功能及定义 |
| 2.4 自愈系统、容错控制与自愈控制的关系 |
| 2.4.1 自愈系统与自愈控制 |
| 2.4.2 容错控制与自愈控制 |
| 2.5 自愈控制的架构及研究范畴 |
| 2.6 本章小结 |
| 3 基于状态观测器的网络控制系统的自愈控制 |
| 3.1 引言 |
| 3.2 基于状态观测器的网络控制系统的故障估计方法 |
| 3.2.1 基于状态观测器的故障估计方法 |
| 3.2.2 执行器故障估计辅助信号的设计 |
| 3.3 故障检测和故障定位方法 |
| 3.3.1 基于状态观测器的故障检测 |
| 3.3.2 基于状态观测器的故障定位 |
| 3.4 基于控制律重构的主动容错控制 |
| 3.5 仿真验证 |
| 3.5.1 基于状态观测器的故障估计的仿真验证 |
| 3.5.2 故障检测与故障定位的仿真验证 |
| 3.5.3 控制律重构方法的仿真验证 |
| 3.6 本章小结 |
| 4 基于卡尔曼滤波器的网络控制系统的自愈控制 |
| 4.1 引言 |
| 4.2 基于两阶段卡尔曼滤波的故障诊断方法 |
| 4.2.1 执行器部分失效故障建模 |
| 4.2.2 故障诊断方法的设计 |
| 4.3 基于BP神经网络的自愈控制方法研究 |
| 4.3.1 BP神经网络的介绍与应用 |
| 4.3.2 基于BP神经网络的执行器故障程度辨识 |
| 4.3.3 基于控制律切换的主动容错控制方法 |
| 4.4 仿真验证 |
| 4.4.1 故障诊断仿真验证 |
| 4.4.2 控制律切换方法的仿真验证 |
| 4.5 本章小结 |
| 5 拒绝服务攻击下的网络控制系统的自愈控制研究 |
| 5.1 引言 |
| 5.1.1 关于网络控制系统的多元不确定性的概述 |
| 5.1.2 关于拒绝服务攻击的模拟 |
| 5.2 具有多元不确定性的网络控制系统的异常检测方法 |
| 5.2.1 卡尔曼滤波方法 |
| 5.2.2 异常检测方法的设计 |
| 5.3 针对具有多元不确定性的网络控制系统的异常诊断方法 |
| 5.3.1 支持向量机 |
| 5.3.2 基于支持向量机的异常诊断方法研究 |
| 5.3.3 针对拒绝服务攻击的自愈策略 |
| 5.4 仿真验证 |
| 5.4.1 异常检测及诊断方法的仿真验证 |
| 5.4.2 基于网络切换的自愈策略的仿真验证 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 本文结论 |
| 6.2 对未来工作的展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）基于混合现实的工业设备维修系统（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 混合现实技术 |
| 1.1.2 混合现实工业设备维修 |
| 1.2 工业辅助设备维修研究现状与分析 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 主要研究内容 |
| 1.4 本文组织结构 |
| 第二章 混合现实工业设备维修系统设计 |
| 2.1 混合现实工业设备维修系统的需求分析 |
| 2.2 系统设计 |
| 2.2.1 物理层设计 |
| 2.2.2 数据层设计 |
| 2.2.3 网络层设计 |
| 2.2.4 应用层设计 |
| 2.3 本章小结 |
| 第三章 混合现实工业设备维修的关键技术 |
| 3.1 三维注册技术 |
| 3.1.1 点云预处理 |
| 3.1.2 点云粗配准 |
| 3.1.3 点云精配准 |
| 3.2 深度图到点云图的转换 |
| 3.3 坐标系映射 |
| 3.4 本章小结 |
| 第四章 混合现实工业设备维修系统软件实现 |
| 4.1 系统开发环境 |
| 4.2 数据层实现 |
| 4.2.1 三维注册实现 |
| 4.2.2 人机交互实现 |
| 4.2.3 信息管理实现 |
| 4.3 网络层实现 |
| 4.4 应用层实现 |
| 4.5 本章小结 |
| 第五章 混合现实工业设备维修系统测试 |
| 5.1 系统功能测试 |
| 5.2 系统性能测试 |
| 5.2.1 点云配准效率测试 |
| 5.2.2 人机交互效率测试 |
| 5.3 系统可用性评估 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（4）面向计算机联锁智能运维的深度学习故障诊断方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 铁路领域智能运维研究现状 |
| 1.2.2 计算机联锁系统故障诊断现状 |
| 1.2.3 基于深度学习的计算机联锁系统故障诊断现状 |
| 1.2.4 研究现状分析 |
| 1.3 论文主要工作及章节安排 |
| 1.4 本章小结 |
| 2 计算机联锁系统分析及数据组织 |
| 2.1 计算机联锁系统原理 |
| 2.1.1 计算机联锁系统结构 |
| 2.1.2 联锁进路控制功能 |
| 2.2 联锁特征数据提取 |
| 2.2.1 静态属性 |
| 2.2.2 动态属性 |
| 2.3 联锁系统数据组织方法 |
| 2.3.1 深度学习算法选择 |
| 2.3.2 树形数据组织方法 |
| 2.4 联锁系统故障类型分析 |
| 2.5 本章小结 |
| 3 基于树形结构的联锁逻辑故障诊断模型 |
| 3.1 基于深度学习的故障诊断算法 |
| 3.1.1 前馈神经网络算法原理 |
| 3.1.2 树形神经网络算法原理 |
| 3.2 基于深度学习的故障诊断模型构建 |
| 3.2.1 示例站场结构 |
| 3.2.2 前馈神经网络故障诊断模型构建 |
| 3.2.3 基于树形结构的故障诊断模型构建 |
| 3.3 基于树形结构的故障诊断模型评估 |
| 3.3.1 实验数据 |
| 3.3.2 模型参数选择 |
| 3.3.3 权值初始化 |
| 3.3.4 评估指标 |
| 3.3.5 二分类任务评估结果 |
| 3.3.6 多分类任务评估结果 |
| 3.4 本章小结 |
| 4 面向联锁时序逻辑的深度学习故障诊断模型 |
| 4.1 时序逻辑 |
| 4.1.1 时序逻辑概念 |
| 4.1.2 联锁系统时序逻辑 |
| 4.2 结合树形结构和时序逻辑的故障诊断模型 |
| 4.2.1 循环神经网络及其衍生算法原理 |
| 4.2.2 循环神经网络模型构建 |
| 4.2.3 结合时序逻辑的故障诊断模型构建 |
| 4.3 结合时序逻辑的故障诊断模型评估 |
| 4.3.1 模型参数选择 |
| 4.3.2 二分类任务评估结果 |
| 4.3.3 多分类任务评估结果 |
| 4.4 本章小结 |
| 5 智能运维支持系统的设计与实现 |
| 5.1 智能运维支持系统框架设计 |
| 5.2 智能运维支持系统实现 |
| 5.2.1 故障诊断算法实现 |
| 5.2.2 其他辅助功能实现 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 附录A 示例站场平面布置图 |
| 附录B 站场树形结构 |
| 图索引 |
| 表索引 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 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 目前存在的问题 |
| 1.4 主要研究内容和创新点 |
| 1.5 论文组织结构 |
| 2 关键技术及相关工作 |
| 2.1 引言 |
| 2.2 机车综合无线通信设备工作原理 |
| 2.3 压缩算法 |
| 2.3.1 无损压缩技术 |
| 2.3.2 有损压缩技术 |
| 2.4 加密算法 |
| 2.5 特征提取方法 |
| 2.6 PHM技术 |
| 2.6.1 PHM系统体系结构 |
| 2.6.2 动车组PHM体系结构 |
| 2.6.3 动车组PHM技术架构 |
| 2.6.4 动车组PHM系统功能和目标 |
| 2.6.5 动车组PHM诊断技术 |
| 2.6.6 动车组PHM预测技术 |
| 2.7 小结 |
| 3 基于无损数据压缩及加密联合算法的研究 |
| 3.1 问题提出 |
| 3.2 相关研究 |
| 3.3 SRLE无损压缩算法 |
| 3.3.1 SRLE压缩处理 |
| 3.3.2 SRLE解压处理 |
| 3.4 混合加密算法 |
| 3.4.1 Logistic混沌加密算法 |
| 3.4.2 RSA加密算法 |
| 3.4.3 压缩加密联合算法 |
| 3.5 实验与结论 |
| 3.5.1 压缩性能分析 |
| 3.5.2 安全性能分析 |
| 3.5.3 复杂度及效率分析 |
| 3.6 小结 |
| 4 基于PHM技术的高铁车载通信装备故障诊断 |
| 4.1 问题提出 |
| 4.2 相关研究 |
| 4.3 基于高铁机车综合通信设备中故障诊断的研究 |
| 4.3.1 实验数据集 |
| 4.3.2 特征提取 |
| 4.3.3 无监督聚类 |
| 4.3.4 极限学习机故障识别模型 |
| 4.4 实验与结论 |
| 4.4.1 仿真实验验证 |
| 4.4.2 实测数据集实验验证 |
| 4.5 小结 |
| 5 基于PHM技术的高铁车载通信装备健康状态评估预测 |
| 5.1 问题提出 |
| 5.2 相关研究 |
| 5.3 基于锂电池的剩余使用寿命预测与健康状态监测 |
| 5.3.1 实验数据集 |
| 5.3.2 健康状况和健康指标 |
| 5.3.3 降噪处理 |
| 5.3.4 关键参数优化 |
| 5.3.5 注意力机制 |
| 5.3.6 遗忘机制的在线序列极限学习机 |
| 5.4 实验与结论 |
| 5.4.1 算法训练过程 |
| 5.4.2 在线监测部分 |
| 5.4.3 剩余使用寿命预测部分 |
| 5.5 小结 |
| 6 总结及展望 |
| 6.1 研究总结 |
| 6.2 未来展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（6）数字孪生驱动的矿用设备维修MR辅助指导系统（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大型复杂装备辅助维修技术 |
| 1.2.2 混合现实关键维修技术 |
| 1.2.3 数字孪生技术 |
| 1.3 主要研究内容 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 2 数字孪生驱动的设备维修MR辅助指导系统总体设计 |
| 2.1 系统需求分析 |
| 2.1.1 矿用设备维修特点 |
| 2.1.2 DT+MR辅助维修指导方法 |
| 2.2 系统功能分析 |
| 2.3 系统总体方案设计 |
| 2.3.1 设备故障维修MR辅助指导数字孪生模型 |
| 2.3.2 系统整体架构 |
| 2.4 系统主要模块实现 |
| 2.4.1 故障分析与数据匹配模块 |
| 2.4.2 MR故障维修指导模块 |
| 2.4.3 维修环境感知与注册融合模块 |
| 2.4.4 信息交互模块 |
| 2.5 小结 |
| 3 矿用设备机械故障分析与维修行为建模 |
| 3.1 故障树分析法 |
| 3.1.1 故障树 |
| 3.1.2 故障树分析 |
| 3.1.3 矿用设备关键零部位故障树分析 |
| 3.2 维修过程行为树设计 |
| 3.2.1 虚拟维修指导过程需求分析 |
| 3.2.2 虚拟维修过程行为树设计 |
| 3.2.3 矿用设备关键零部位虚拟维修指导系统行为树应用 |
| 3.3 小结 |
| 4 基于MR的设备故障辅助维修指导方法研究 |
| 4.1 维修环境感知 |
| 4.2 基于BIM-Unity3D-Holo Lens的设备三维建模 |
| 4.3 基于Unity3D的 MR辅助维修环境构建 |
| 4.4 空间坐标虚实映射 |
| 4.4.1 建立虚实空间坐标系 |
| 4.4.2 虚实坐标系之间的转换 |
| 4.5 基于三维注册的虚实模型融合方法 |
| 4.5.1 基于人工标识的三维注册融合算法 |
| 4.5.2 基于自然特征点的三维注册融合 |
| 4.6 维修指导过程的流程化表达 |
| 4.6.1 维修指导标准示意图序列设计 |
| 4.6.2 维修指导流程虚拟仿真片段设计 |
| 4.6.3 基于ID序列匹配的维修过程虚拟化表达 |
| 4.7 小结 |
| 5 矿用设备维修指导系统信息交互集成 |
| 5.1 虚实空间数据交互反馈机制 |
| 5.2 故障数据交互 |
| 5.2.1 确定设备故障类别 |
| 5.2.2 混合现实设备数据库通讯 |
| 5.2.3 维修指导过程的数据驱动 |
| 5.3 混合现实人机交互系统 |
| 5.3.1 GUI交互界面设计 |
| 5.3.2 视线跟踪 |
| 5.3.4 手势识别 |
| 5.3.5 语音交互 |
| 5.4 远程专家在线交互技术 |
| 5.5 小结 |
| 6 实验验证与分析 |
| 6.1 实验方案设计 |
| 6.1.1 实验方案及目的 |
| 6.1.2 系统实验平台组成 |
| 6.1.3 混合现实平台的建立与发布 |
| 6.2 系统功能调试与实现 |
| 6.2.1 故障分析与数据匹配实验 |
| 6.2.2 维修环境感知与虚实注册融合实验 |
| 6.2.3 人机交互实验 |
| 6.2.4 故障维修指导实验 |
| 6.3 小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）基于增强现实技术的辅助维修系统设计与实现（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 增强现实技术研究现状 |
| 1.2.2 辅助维修技术发展现状 |
| 1.2.3 人机交互研究现状 |
| 1.3 论文研究内容与架构 |
| 1.3.1 论文的研究内容 |
| 1.3.2 论文的组织结构 |
| 第二章 AR辅助维修系统的分析与设计 |
| 2.1 AR辅助维修系统分析 |
| 2.1.1 系统整体分析 |
| 2.1.2 用户需求分析 |
| 2.1.3 功能需求分析 |
| 2.2 系统方案设计 |
| 2.2.1 系统体系结构 |
| 2.2.2 系统开发平台 |
| 2.3 关键技术 |
| 2.3.1 常用的任务模型 |
| 2.3.2 辅助手势识别 |
| 2.3.3 Vuforia图片识别 |
| 2.3.4 数据传输协议 |
| 2.4 本章小结 |
| 第三章 AR辅助维修信息转化与过程建模 |
| 3.1 维修信息处理简介 |
| 3.2 辅助维修作业信息处理 |
| 3.2.1 辅助维修的信息需求 |
| 3.2.2 辅助维修信息的组成与分类 |
| 3.2.3 辅助维修信息转化 |
| 3.3 维修作业过程建模 |
| 3.3.1 维修作业过程 |
| 3.3.2 维修作业分层 |
| 3.4 本章小结 |
| 第四章 交互模块设计 |
| 4.1 AR交互模块 |
| 4.1.1 多模交互原理 |
| 4.1.2 交互模块要素 |
| 4.1.3 多模交互层次模型 |
| 4.1.4 交互操作流程 |
| 4.2 AR环境中的交互任务分解 |
| 4.2.1 交互基本任务 |
| 4.2.2 选择/操纵的任务分析和分解 |
| 4.2.3 导航/漫游的任务分析和分解 |
| 4.2.4 交互反馈 |
| 4.3 用户维修任务 |
| 4.3.1 AR维修场景 |
| 4.3.2 面向维修场景的用户任务 |
| 4.4 基于CTT模型的交互任务建模 |
| 4.4.1 CTT简介 |
| 4.4.2 基于CTT模型的任务分析 |
| 4.4.3 操作任务建模 |
| 4.5 本章小结 |
| 第五章 协同模块设计与实现 |
| 5.1 协同权限管理 |
| 5.2 协同一致与并发控制 |
| 5.2.1 协同并发控制技术和策略 |
| 5.2.2 协同AR中场景共享 |
| 5.3 网络通信模块设计 |
| 5.3.1 网络通信结构 |
| 5.3.2 数据传输的设计 |
| 5.3.3 数据的封装和解析 |
| 5.4 本章小结 |
| 第六章 系统实现与实例应用 |
| 6.1 系统开发与实现 |
| 6.1.1 系统实现流程 |
| 6.1.2 模型建立与约束 |
| 6.1.3 数据库设计 |
| 6.1.4 辅助手势识别的开发 |
| 6.2 系统的实现效果 |
| 6.2.1 用户登录 |
| 6.2.2 图片识别与虚拟模型定位 |
| 6.2.3 系统交互总菜单 |
| 6.2.4 产品及其零部件介绍 |
| 6.2.5 维修记录查询 |
| 6.2.6 维修引导 |
| 6.2.7 多人协同维修 |
| 6.2.8 远程通信 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文总结 |
| 7.2 未来展望 |
| 致谢 |
| 参考文献 |
| 附录 A |
| 附录 B |
| 攻读硕士学位期间发表的论文 |
| 参与的科研项目 |
（8）基于专家系统的飞机配电系统辅助排故综合决策研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 飞机配电系统故障诊断分析方法 |
| 1.4 本文主要研究内容和研究路线 |
| 第二章 飞机配电系统结构和原理 |
| 2.1 飞机配电系统分类 |
| 2.2 飞机配电系统结构和原理 |
| 2.3 飞机配电系统关键部件介绍 |
| 2.4 本章小结 |
| 第三章 飞机配电系统故障分析 |
| 3.1 故障树分析法理论 |
| 3.2 飞机配电系统故障特点与分类 |
| 3.2.1 飞机配电系统故障特点 |
| 3.2.2 飞机配电系统故障分类 |
| 3.3 飞机配电系统LRU部件故障树分析 |
| 3.4 飞机配电系统及故障分类简化 |
| 3.4.1 飞机配电系统功能框图简化 |
| 3.4.2 飞机配电系统故障分类简化 |
| 3.5 本章小结 |
| 第四章 基于专家系统的飞机配电系统辅助排故综合决策 |
| 4.1 专家系统基本理论 |
| 4.1.1 专家系统组成 |
| 4.1.2 知识表示形式 |
| 4.1.3 推理方法和冲突解决策略 |
| 4.2 知识获取和建立知识库 |
| 4.3 综合数据库系统 |
| 4.3.1 维修数据库 |
| 4.3.2 运行数据库 |
| 4.4 推理机设计 |
| 4.4.1 故障信息获取 |
| 4.4.2 故障信息预判 |
| 4.4.3 保留放行决策逻辑 |
| 4.4.4 排故决策逻辑 |
| 4.4.5 综合决策逻辑 |
| 4.5 人机交互界面设计 |
| 4.6 本章小结 |
| 第五章 配电系统辅助排故综合决策验证 |
| 5.1 配电系统辅助排故综合决策验证 |
| 5.1.1 电力负载控制组件故障案例验证 |
| 5.1.2 汇流条功率控制组件故障案例验证 |
| 5.1.3 远程电源分配组件故障案例验证 |
| 5.1.4 次级电源分配组件故障案例验证 |
| 5.2 应用效果分析 |
| 5.3 本章小结 |
| 第六章 总结和展望 |
| 6.1 论文工作总结 |
| 6.2 论文研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 附件 |
（9）汽轮机智能诊断与健康管理关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 信息获取的研究现状 |
| 1.2.2 故障诊断技术研究现状 |
| 1.2.3 设备健康管理的研究现状 |
| 1.3 本文研究内容和结构安排 |
| 第2章 基于知识图谱的诊断知识获取与表达 |
| 2.1 引言 |
| 2.2 故障机理分析方法与步骤 |
| 2.2.1 名词解释 |
| 2.2.2 设备树分析 |
| 2.2.3 故障模式及影响分析 |
| 2.2.4 故障树分析 |
| 2.2.5 基于Neo4j的知识图谱构建 |
| 2.2.6 故障机理分析步骤 |
| 2.3 诊断知识图谱的建立 |
| 2.3.1 知识图谱构建流程 |
| 2.3.2 类和实体属性定义 |
| 2.3.3 关系定义 |
| 2.4 核电汽轮机诊断知识图谱的构建 |
| 2.4.1 核电汽轮机设备树分析 |
| 2.4.2 汽轮机组故障机理分析 |
| 2.4.3 核电汽轮机诊断知识图谱 |
| 2.5 本章小结 |
| 第3章 汽轮机典型故障征兆识别 |
| 3.1 引言 |
| 3.2 基于模糊矢量映射的序列数据趋势型征兆识别 |
| 3.2.1 模糊矢量空间映射 |
| 3.2.2 案例验证 |
| 3.3 基于独立元空间重构的频谱类征兆识别 |
| 3.3.1 频谱中的方向概念 |
| 3.3.2 独立元空间重构方法 |
| 3.3.3 案例验证 |
| 3.4 本章小结 |
| 第4章 基于知识图谱与贝叶斯网络的智能诊断与维修决策 |
| 4.1 引言 |
| 4.2 基于知识图谱确定性推理的故障隔离 |
| 4.2.1 Cypher查询语句 |
| 4.2.2 基于图数据搜索的故障隔离 |
| 4.2.3 案例测试 |
| 4.3 基于贝叶斯网络不确定性推理的故障诊断 |
| 4.3.1 贝叶斯网络的定义 |
| 4.3.2 BN诊断模型构建关键技术 |
| 4.3.3 基于联合树算法的BN推理 |
| 4.3.4 案例测试 |
| 4.4 基于故障链严重程度评估的维修决策 |
| 4.4.1 独立严重程度指标 |
| 4.4.2 故障链严重程度 |
| 4.4.3 与PM和传统CM的对比 |
| 4.4.4 实例测试 |
| 4.5 结论 |
| 第5章 智能诊断与健康管理原型系统设计与实现 |
| 5.1 引言 |
| 5.2 原型系统基本框架 |
| 5.3 智能诊断与健康管理系统主要功能设计 |
| 5.3.1 基于数据仓库技术的存储设计 |
| 5.3.2 基于机器学习算法框架的征兆识别模块设计 |
| 5.3.3 基于确定性和不确定性推理的诊断推理模块设计 |
| 5.4 样机系统实现 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 论文主要创新点 |
| 6.3 有待进一步开展的工作 |
| 参考文献 |
| 攻读博士期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（10）基于动态故障树分析与传感网络的机车故障诊断系统的设计（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 项目背景 |
| 1.2 机车故障诊断方法的研究与应用现状 |
| 1.3 机车在线故障诊断系统的研究与应用现状 |
| 1.4 本文所做的主要工作 |
| 2 重载货运电力机车的故障诊断系统方案 |
| 2.1 SS4B型电力机车故障诊断系统设计的总体方案 |
| 2.2 机车主电路的故障模式及相关传感器布设方案 |
| 2.2.1 机车主电路的主要构成 |
| 2.2.2 机车主电路的主要故障模式 |
| 2.2.3 机车主电路的相关传感器布设 |
| 2.3 辅助电路的故障模式及相关传感器布设方案 |
| 2.3.1 辅助电路的主要构成 |
| 2.3.2 辅助电路的主要故障模式 |
| 2.3.3 辅助电路的相关传感器布设 |
| 2.4 气路与制动系统的故障模式及相关传感器引入方案 |
| 2.4.1 气路与制动系统的主要故障模式 |
| 2.4.2 气路与制动系统的相关传感器引入 |
| 2.5 分布式传感节点布设方案 |
| 2.6 本章小结 |
| 3 重载货运电力机车的车载分布式传感网络的软硬件设计 |
| 3.1 传感器网络通讯协议的设计 |
| 3.1.1 传感器网络的拓扑结构设计 |
| 3.1.2 传感器网络的接口选型 |
| 3.1.3 以太网的网络传输协议 |
| 3.1.4 网络的传输数据内容 |
| 3.1.5 网络拥塞控制机制 |
| 3.2 分布式传感节点的软硬件设计 |
| 3.2.1 模拟式传感节点软硬件设计 |
| 3.2.2 数字式传感节点硬件设计 |
| 3.2.3 节点滤波功能的设计 |
| 3.3 数据检测终端方案 |
| 3.4 智能故障诊断终端方案 |
| 3.5 本章小结 |
| 4 基于DFTA的重载货运电力机车故障诊断算法 |
| 4.1 FTA与 DFTA算法 |
| 4.1.1 FTA算法的概述 |
| 4.1.2 DFTA算法 |
| 4.2 机车故障树模型的建立 |
| 4.3 本章小结 |
| 5 实验及仿真分析 |
| 5.1 数字滤波器的仿真及分析 |
| 5.2 基于OPNET的网络拥塞控制仿真及分析 |
| 5.3 DFTA的实现测试和分析 |
| 5.4 传感器滤波及网络状态下的诊断系统模型仿真 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
四、计算机辅助故障诊断与维修系统的实现（论文参考文献）
- [1]应用AR技术的数控机床故障诊断与辅助维修系统研究与开发[D]. 张言科. 山东建筑大学, 2021
- [2]自愈控制及其在网络控制系统中的应用[D]. 王忻. 北京交通大学, 2021(02)
- [3]基于混合现实的工业设备维修系统[D]. 苏霞. 电子科技大学, 2021(01)
- [4]面向计算机联锁智能运维的深度学习故障诊断方法研究[D]. 邱晨. 北京交通大学, 2021(02)
- [5]基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究[D]. 范家铭. 北京交通大学, 2020
- [6]数字孪生驱动的矿用设备维修MR辅助指导系统[D]. 张雨萌. 西安科技大学, 2020(01)
- [7]基于增强现实技术的辅助维修系统设计与实现[D]. 龚雅琼. 东南大学, 2020(01)
- [8]基于专家系统的飞机配电系统辅助排故综合决策研究[D]. 周广宇. 华南理工大学, 2020(02)
- [9]汽轮机智能诊断与健康管理关键技术研究[D]. 杨楠. 华北电力大学(北京), 2020(06)
- [10]基于动态故障树分析与传感网络的机车故障诊断系统的设计[D]. 刘申易. 北京交通大学, 2020(03)