一、基于WEB的航空发动机故障远程诊断技术研究（论文文献综述）
庞新宇,闫宗庆[1]（2020）在《机械设备智能化油液分析技术研究现状》文中认为故障诊断技术的智能化发展,为油液分析技术开辟了新的途径。油液分析技术的智能化,包括油液性能的自动监测、润滑状态的智能识别、磨损故障的自动识别和故障趋势分析等内容。首先介绍了油液分析技术及常用检测仪器,进而详细阐述了国内外机械设备油液分析技术的智能化发展现状,着重介绍了专家系统、图像识别、神经网络、模糊逻辑、支持向量机、远程诊断在油液分析方面的应用特点、局限性和适用范围,对现存问题进行了总结分析,最后指出油液分析技术智能化发展趋势和应用前景。
胡鹤翔[2]（2020）在《基于改进SVM的航空发动机气路故障诊断研究》文中指出近几年来,关于航空发动机气路系统故障诊断等方面的研究已成为一个热门话题。无论是从发动机运行还是飞机任务管理的角度来看,发动机的异常运行都是不可取的。而发动机气路系统中各个部件状态的好坏直接影响飞机的整体性能和运行情况,因此早期发现异常对于发动机健康管理至关重要。本文针对发动机气路数据少的缺点,使用机理建模来扩充故障数据库;针对支持向量机模型参数随机的缺点,提出使用GA对LSSVM参数进行寻优;开发了迎合当下需求的移动故障诊断平台。文章涉及到航空发动机机理建模、故障数据模拟、改进支持向量机故障诊断算法和移动故障诊断平台开发等内容。本文的主要工作如下:（1）分析了航空发动机气路的故障种类和故障原因,并建立了航空发动机气路系统的部件级机理模型。首先论文分析了气路部件性能参数和测量参数之间的关系;其次以某型双轴涡扇航空发动机为建模对象,利用MATLAB中的SIMULINK模块建立了发动机气路系统机理模型;最后利用建立好的机理模型进行气路故障进行模拟,从而得到气路故障数据。（2）针对航空发动机气路故障数据少且非线性的特点,采用LSSVM对发动机气路系统进行故障诊断,并用遗传算法分别对SVM和LSSVM进行参数优化。首先选取低压转子转速,高压转子转速,风扇出口压力,压气机出口压力,低压涡轮出口压力,高压涡轮出口压力,低压涡轮出口温度,高压涡轮出口温度8种可测参数作为故障特征;其次使用Python实现了改进算法的仿真分析;最后通过将GA-LSSVM与GA-SVM、LSSVM以及SVM进行比较,结果表明GA-LSSVM在诊断精度、抗噪强度以及训练耗时三方面都优于其他三种算法,取得了良好的仿真结果。（3）设计和实现了基于微信小程序的航空发动机气路故障诊断平台。首先对移动诊断平台进行了可行性分析、功能需求分析以及设计了系统的框架;其次设计和实现了平台所包含的账号管理模块、电子化工单管理模块、发动机气路故障诊断模块和发动机机队管理模块;最后对移动诊断平台各功能进行测试。
张学丰[3]（2018）在《舞台设备远程诊断系统开发与关键技术研究》文中进行了进一步梳理近年来,随着社会经济的发展,我国开始了大规模剧场建设。不可否认的是近年来由于设备安全问题造成了诸多人员伤亡和经济损失事件发生,而且在设备发生故障后设备服务商多数情况下只能派遣专业工程师现场维修,既降低了工作效率,又增加了经济和人力成本。如何更高效、更合理地保障舞台设备的正常运行是亟待解决的难题。基于上述问题,本文以西门子PLC主控的舞台控制系统为例,研究了舞台设备远程诊断系统的关键技术问题,在此基础上开发了基于B/S模式的远程诊断系统,主要工作如下。论文首先围绕某剧院的舞台机械设备配置、舞台控制系统和客户需求展开研究,详细阐述了舞台机械设备配置情况和舞台控制系统控制要求。分析了舞台设备的远程监测功能要求和设备远程诊断系统要求,选取舞台吊杆设备为诊断对象,通过其运行位置、速度、运行次数、运行时间和目标位置等样本数据训练神经网络模型并判断吊杆设备运行状态。其次对如何实现数据远程实时交互和舞台设备状态的远程诊断进行深入研究。最终采用基于B/S模式的远程诊断框架,利用云数据库的中转功能成功实现PLC数据远程访问,通过Web Service技术实现了舞台设备的运行数据实时监测。使得远程用户在不同平台上都能获取舞台设备的实时运行数据,提高了系统的扩展性,为系统开发提供了有力的技术支撑。搭建了基于深度置信网络的诊断模型,利用样本数据进行训练后获得最优网络模型,并将此运用到吊杆设备的实时运行状态故障诊断中,通过测试数据验证了所搭建模型的正确性。最后针对系统的实际业务需求,详细设计了系统整体架构和Web应用功能,在Visual Studio集成开发环境下通过组件调用Python脚本文件实现设备的远程诊断功能,并开发了用户管理、舞台设备在线监控和数据管理模块。通过系统调试和实际运行情况表明,系统设计合理,性能良好,能够对舞台吊杆运行情况进行实时诊断,具有可行性。
刘文娟[4]（2014）在《基于行为的飞机远程可视化故障诊断技术》文中研究表明飞行安全是航空事业永恒的主题,但飞机结构逐渐复杂化、工作环境恶劣化等很多不可预知的因素都会导致飞机故障的发生,给飞机故障诊断带来了新的问题,不仅增大航空公司的运营成本,甚至会造成重大空难事故。为解决这些问题,本文通过综合分析民航市场的特点以及故障诊断的原理,提出了飞机远程可视化故障诊断技术。首先,通过对可视化诊断理论基础的研究,将可视化技术引入远程故障诊断系统中,并阐述了将可视化技术引入远程故障诊断系统中的合理性和实现方法;其次,针对故障的复杂性,提出了基于分层建树和动态建树相结合的方法来生成可视化故障树,并应用于故障分解模型中,同时提出了一种可视化“诊断行为”的诊断方法,对实现远程可视化故障诊断行为模型建立、诊断行为属性图生成方法、可视化模型之间的转换做了探索性的研究,是本文的一个创新点;再次,研究了UML协作图到Petri网转化的机制,根据UML协作图不同的结构形式设计了与之相适应的顺序结构、选择结构、并发结构算法,实现由UML协作图到Petri网的转化,是本文的另一个创新点,并引用实例验证了算法的可行性和优化效果。最后,建立了飞机远程可视化故障诊断系统,说明了飞机远程可视化故障诊断技术能有效地分析和解决飞机故障,在一定程度上提高了飞行的安全性和航空公司的经济效益。
宋佳昊[5]（2014）在《大吨位履带起重机故障信息管理与故障诊断系统》文中研究指明随着近几年来大型模块化吊装施工行业的快速发展，履带起重机逐渐向着大吨位的方向发展，对起重机的可靠性和安全性的要求越来越高，起重机的故障诊断及其相应的故障管理服务的重要性不断增加。然而，目前针对大吨位履带起重机缺少有效的系统级别的故障分析方法；对故障的信息的统一管理也缺乏有效的途径；同时传统的基于网络的远程故障诊断平台也存在着可重用性低，平台无关性差，故障历史数据无法得到积累应用等缺点。针对上述存在的问题，本文以SCC36000A履带起重机为研究对象，分别进行了故障树分析法、故障信息管理平台和基于WEB服务的远程故障诊断平台的研究。具体工作内容包括：1)选取行走机构为目标研究对象，对其液压系统的组成和工作原理进行了介绍，进而建立了故障树，并分别进行了定性分析和定量分析。针对传统的故障树分析法在对不确定性系统分析中存在的不足，将贝叶斯网络引进了故障树分析法中，对故障树分析法进行了改进，实现了基于概率的故障推理的分析。2)对履带起重机常见的故障现象进行了分类总结，制定了统一的命名规范，并开发了基于网络的故障信息管理系统，实现了故障信息的统一录入、查询和分析统计的功能，为企业内部各部门间故障信息的共享和沟通提供了有效的平台。3)介绍了Web服务系统的架构，对传统的远程诊断平台进行了改进，提出了基于Web服务的远程诊断平台架构，使用WCF的方式对故障数据进行了传输，并设计了统一的标准故障数据库，实现了对分布式设备故障信息的集成管理。上述分析方法和系统在大吨位的履带起重机实际使用中取得了很好的应用效果，有效的解决了目前存在的问题。
张来丰[6]（2013）在《高原型信息化液压油泵车智能故障诊断系统研究》文中认为液压油泵车是一种重要的航空地面保障设备,能够为飞机液压系统提供液压动力源、清洁油液和加油等功能。为了进一步适应高原条件下的保障需要,本文研究了以YYBC-2型液压油泵车为原型,经高原适应性和信息化改造后的高原型信息化液压油泵车。通过对其液压系统故障特点的分析,设计了基于模糊理论和专家系统的智能故障诊断系统。本文首先介绍了高原型信息化液压油泵车的原理和结构,阐释其液压系统的功能,并通过分析液压系统给出了几项重要参数。其次分析了高原型信息化液压油泵车故障特点,并基于模糊理论完成了液压系统的模糊模式识别。最后,基于模糊理论和专家系统,设计了智能故障诊断系统。该诊断系统包括现场诊断专家系统和远程诊断系统两部分。现场诊断专家系统包含了常见的液压油泵车故障,通过对故障现象的信息采集与分析,完成现场实时故障诊断并给出对应的排故指导。远程诊断系统通过信息传输,实现远程监控中心与现场交互,可完成现场诊断专家系统的故障库不包含的疑难故障和新故障的远程故障诊断和维修指导,较好地实现了故障诊断的智能化和信息化。
刘永建[7]（2012）在《基于改进神经网络的民机发动机故障诊断与性能预测研究》文中指出航空发动机是民机核心动力系统，对之实施有效的诊断和监控，是保障民机安全性、可靠性和经济性的重要技术途径。在发动机故障诊断研究领域，目标主体经常被抽象为一个典型复杂机械系统，由于该系统结构的复杂性、模型的严重非线性、诊断方法的多样性、测量综合误差对故障诊断的干扰影响等原因，造成了发动机故障诊断建模的复杂与困难。目前该领域研究热点包括诊断方法的有效性和全局性研究、诊断系统的实时性研究。前者旨在解决发动机故障诊断模型的性能问题，并将单一诊断方法的模型拓展为多诊断方法模型的集成应用。后者旨在将发动机故障的防范关口前移到实时节点，在传统航线检测、排查、航后排故的基础上引入基于智能诊断决策的故障预防和预防性维修。本文在研究地空数据链（ACARS）和机载飞行数据记录设备（DFDR/QAR）中发动机状态数据译码的基础上，围绕航空发动机故障智能诊断与状态监控中若干关键的问题展开研究，本文的主要研究内容和创新点如下：（1）ACARS所提供的实时信息量无法支撑发动机故障模型的在线训练和实时诊断，而快速存取记录器（QAR）中的数据，有信息完备和记录频率高的特点，因此，在基于智能算法的建模过程中，用ACARS与QAR数据共同构建样本空间。分析了两种数据源中数据帧结构可归类的特点，针对机载总线中发动机参数底层数据编码特征，提出了基于译码函数的发动机参数译码算法，译码过程具有较好的实时性和通用性，译码输出为发动机故障诊断和性能监控建模提供了基础数据支撑。（2）发动机系统的复杂性决定了故障诊断方法的多样性，对于诊断决策而言，综合多种方法做出的决策输出比单一诊断决策具有更好的全局性。对发动机诊断过程中设计的多路信息源和多种诊断知识分别进行融合，针对多路信息源采用数据层融合策略，提出一种自适应加权融合估计算法，根据发动机参数特征迭代调整加权因子，实现参数的融合输出；针对多种诊断知识采用决策级融合策略，提出了一种基于HWA算子的诊断知识多属性决策融合方法，实现了分布式局部决策知识向全局决策知识的进化（3）利用人工智能方法建立发动机故障诊断模型，可以突破传统数学理论建模、物理过程建模在处理非线性、非平稳性、不确定性复杂系统中的性能瓶颈，具有更好的逼近性能和泛化性能。针对所研究的故障诊断问题，提出了一种改进人工神经网络，利用蚁群算法优化了算法的初始权值向量的优化问题，避免了主观随机选择权值导致的收敛慢和训练振荡问题；模型的训练则引入Levenberg-Marquardt算法，利用其非线性寻优训练规则替代BP算法的梯度下降规则，减小训练过程中代价函数陷入局部极小点的机会，通过控制训练算法复杂度提高收敛速度。（4）发动机故障预防的要点在于性能的预测，从大量运行数据中捕获用于表征发动机深层运行状态及趋势的信息。研究基于发动机EGT裕度控制的气路性能监控，在分析试车台和起飞过程EGTM的计算原理的基础上，明确其衰退原因，给出了提高EGTM的建议措施；用智能网络模型逼近发动机气路参数时序函数，给出了一种引入了附加参数的相空间重构方法，用粗糙集方法控制附加参数冗余属性，提出了基于区分矩阵的启发式最小约简算法。建模阶段采用动量法和学习率自适应调整相结合的策略，对发动机气路参数的发展趋势进行建模和预测，取得了具有较好的学习和泛化能力，对气路参数或其他类似的非线性动力系统的走势预测决策具有较好的效果。（5）探索上述理论、方法的工程实现问题，通过在集成开发环境下构建了发动机故障诊断模块、气路性能监控模块、性能趋势预测模块，实现发动机故障诊断与性能监控原型系统，进行了工程实例测试应用。
陈福立[8]（2012）在《基于信息融合的复杂系统健康管理研究》文中指出航空发动机是飞机的心脏，是典型的复杂可维修系统。国内航空公司在发动机维修上的投入所占运营比例明显高于国外同行。以经济可接受为目的复杂系统健康管理技术越来越受重视，本文以航空发动机为目标，对基于信息融合的复杂系统健康管理技术进行了深入研究。首先，介绍了复杂系统、健康管理以及复杂系统健康管理的基本概念，提出了复杂系统健康管理系统需要具备的系统功能，系统结构以及相关技术。以航空发动机为例，提出复杂系统健康管理的基础是健康监测，核心是信息融合，关键技术是可靠性评估。其次，以航空发动机为研究对象，介绍了健康监测的信息融合方法。包括信息融合的模型以及主要的信息融合方法，当前信息融合存在的问题。给出航空发动机健康管理系统的信息融合框架提供了贝叶斯线性回归模型与扩展Kalman滤波方法分别从横向与纵向解决了相应的信息融合存在问题。再次，运用可靠性评估的基本方法，建立基于信息融合的可靠性评估模型。通过对航空发动机的运行状态进行健康监测，采集到航空发动机的状态数据，将这些状态数据作为航空发动机的退化信息，借助基于状态信息的可靠性评估模型预测航空发动机的健康状态，实现对航空发动机的健康管理。最后，根据复杂系统健康管理系统开发的需求，研究了基于Matlab和Web技术原理的复杂系统的健康管理系统开发方式，并给出开发案例。以此技术为基础结合前文研究内容，开发了航空发动机性能可靠性监测与系统可靠性分析评估系统。描述了系统功能模块以及运行逻辑框架，展示了部分系统界面。
郭嘉强,黄丽芳,王立国,张斌,李济泰[9]（2011）在《基于Internet的远程诊断技术方案的分析与研究》文中研究说明本文就远程诊断的行业背景和现状进行了分析,介绍了基于Internet的远程诊断系统架构、工作原理和目前汽车远程诊断的基本功能;分析了车载终端作为透明的通信数据网关,实时地通过无线网络与汽车CAN总线网络与Interet网络的远程诊断服务中心双向数据通信;采用一种基于Web浏览器/Web服务器/数据库服务器模式加Sockets接口搭建汽车远程诊断服务中心数据库系统;提出一种基于Internet的汽车远程诊断服务系统的构建技术方案,以实现汽车远程诊断服务中心实时的对汽车进行远程诊断的功能。
周荣良[10]（2009）在《装备车辆故障的远程诊断》文中研究指明装备车辆故障的实时诊断,是提高装备车辆的维修效率、保障部队运输能力和战斗力的重要举措。论文在深入分析和研究装备车辆故障诊断现状和现有技术基础上,结合B/S远程技术提出了基于案例推理技术和近似向量法的装备车辆故障的远程诊断系统,并设计和实现了系统的原型。深入研究案例推理关键技术如案例表示、案例库组织、案例检索、案例学习等技术；提出了基于小波包分解的装备车辆故障特征提取方法,依据装备车辆故障的特点,采用了多元组的案例表示方法,建立了装备车辆故障案例库。提出了基于近似向量法和k近邻的检索算法。建立了基于近似向量的装备车辆故障索引库；利用近似向量法和k近邻进行装备车的故障诊断,首先用近似向量算法搜索出k个与目标案例相近的案例集,然后利用K近邻算法求得最终匹配案例,该方法可以降低检索案例数量,提高案例的检索速度和效率,并通过实验证明了本文提出的检索机制相比其它检索方法具有更好的实用性和准确性。在对比了B/S模式与C/S模式等各种远程诊断模式的基础上,提出了基于B/S模型的装备车辆故障远程诊断系统的框架、体系,并建立了系统的总体结构模型和功能模型。利用asp.net+ajax编程技术,针对上述远程诊断策略实现了系统的原型。
二、基于WEB的航空发动机故障远程诊断技术研究（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、基于WEB的航空发动机故障远程诊断技术研究（论文提纲范文）
（1）机械设备智能化油液分析技术研究现状（论文提纲范文）
| 引言 |
| 1 油液分析技术及检测方法 |
| 2 油液分析技术智能化研究现状 |
| 2.1 油液数据处理技术 |
| 2.2 基于专家系统的智能分析方法 |
| 2.3 基于图像识别的智能分析方法 |
| 2.4 基于神经网络的智能分析方法 |
| 2.5 基于模糊逻辑的智能分析方法 |
| 2.6 基于支持向量机的智能分析方法 |
| 2.7 基于远程诊断的智能分析方法 |
| 2.8 智能分析方法的优点、局限性及适用范围 |
| 3 油液分析技术智能化现存问题 |
| 1) 可应用于实际工况的在线传感器较少 |
| 2) 缺乏相关的准则和标准 |
| 3) 油液智能分析的方法还不成熟 |
| 4 结论 |
| 1) 油液在线监测技术的研究 |
| 2) 远程诊断技术的研究 |
| 3) 智能油液分析方法的融合 |
| 4) 不同故障诊断技术的融合 |
| 5) 大数据在油液分析技术中的应用 |
（2）基于改进SVM的航空发动机气路故障诊断研究（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 航空发动机气路故障诊断研究现状 |
| 1.2.2 支持向量机算法在气路故障诊断领域中的研究现状 |
| 1.2.3 气路故障诊断系统 |
| 1.3 论文主要内容概述 |
| 第二章 航空发动机气路故障诊断分析与建模 |
| 2.1 航空发动机气路故障 |
| 2.2 气路故障诊断技术面临的困难 |
| 2.3 航空发动机气路系统建模方法 |
| 2.4 某型双轴涡扇发动机模型建立 |
| 2.4.1 发动机气路系统建模假设 |
| 2.4.2 某型发动机气路系统建模 |
| 2.5 故障模拟 |
| 2.6 本章小结 |
| 第三章 基于改进SVM的航空发动机气路故障诊断 |
| 3.1 支持向量机算法概述 |
| 3.1.1 支持向量机基本原理 |
| 3.1.2 最小二乘支持向量机 |
| 3.2 支持向量机故障诊断模型的改进 |
| 3.2.1 多分类SVM算法和模型参数 |
| 3.2.2 遗传算法优化LSSVM模型参数 |
| 3.3 改进SVM算法应用及分析 |
| 3.3.1 数据库建立 |
| 3.3.2 参数对选择算法的影响 |
| 3.3.3 结果分析 |
| 3.4 本章小结 |
| 第四章 航空发动机气路故障诊断平台开发 |
| 4.1 故障诊断系统分析与设计 |
| 4.1.1 微信及微信小程序 |
| 4.1.2 可行性分析 |
| 4.1.3 系统架构设计 |
| 4.1.4 功能需求分析 |
| 4.2 航空发动机气路系统故障诊断平台开发 |
| 4.2.1 运行环境的搭建 |
| 4.2.2 网页端功能模块实现 |
| 4.2.3 小程序端功能模块实现 |
| 4.3 故障诊断平台测试 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间发表的论文 |
（3）舞台设备远程诊断系统开发与关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 选题背景及意义 |
| 1.2 课题及相关技术的国内外研究现状 |
| 1.2.1 舞台远程控制技术发展现状 |
| 1.2.2 远程监测和故障诊断技术的发展现状 |
| 1.3 论文研究内容和结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 第2章 舞台设备配置及远程诊断系统需求分析 |
| 2.1 舞台机械设备配置及其控制系统 |
| 2.1.1 舞台机械配置 |
| 2.1.2 舞台机械设备控制系统 |
| 2.2 远程诊断系统需求分析 |
| 2.2.1 舞台设备远程监控软件需求 |
| 2.2.2 设备智能诊断需求分析 |
| 2.3 本章小结 |
| 第3章 系统关键技术研究 |
| 3.1 系统数据远程交互技术 |
| 3.1.1 系统远程监控模式选择 |
| 3.1.2 系统数据远程交互技术 |
| 3.2 远程诊断算法关键技术 |
| 3.2.1 舞台设备主要故障分析 |
| 3.2.2 舞台设备故障诊断算法选择 |
| 3.2.3 前舞台吊杆设备故障诊断研究 |
| 3.3 本章小结 |
| 第4章 舞台设备远程诊断系统设计与开发 |
| 4.1 舞台远程诊断系统总体架构设计 |
| 4.2 系统关键功能设计 |
| 4.2.1 云数据库选择 |
| 4.2.2 Web应用模块设计 |
| 4.3 WEB应用程序开发 |
| 4.3.1 舞台设备运行数据网络服务接口开发 |
| 4.3.2 系统登录模块 |
| 4.3.3 设备在线监控模块 |
| 4.3.4 数据管理模块 |
| 4.3.5 用户管理模块 |
| 4.3.6 短信提醒模块 |
| 4.4 吊杆远程诊断模块开发 |
| 4.4.1 实验仿真实现 |
| 4.4.2 远程诊断子系统开发 |
| 4.5 本章小结 |
| 第5章 舞台设备远程诊断系统运行与调试 |
| 5.1 远程功能测试 |
| 5.1.1 网络通讯测试 |
| 5.1.2 现场设备调试 |
| 5.1.3 Web应用远程测试 |
| 5.1.4 吊杆实时诊断功能测试 |
| 5.1.5 WebService功能测试 |
| 5.1.6 网页端短信功能测试 |
| 5.2 远程诊断系统性能测试 |
| 5.2.1 云数据库性能测试 |
| 5.2.2 系统实时性测试 |
| 5.3 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间发表的学术论文 |
（4）基于行为的飞机远程可视化故障诊断技术（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文选题的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 远程故障诊断技术发展与研究现状 |
| 1.2.2 可视化技术发展与研究现状 |
| 1.3 本文主要研究内容与章节安排 |
| 1.3.1 本文主要研究内容 |
| 1.3.2 本文章节安排 |
| 1.4 本章小结 |
| 第二章 可视化诊断理论基础 |
| 2.1 诊断行为定义 |
| 2.2 协作群体行为定义 |
| 2.3 可视化技术 |
| 2.3.1 数据可视化 |
| 2.3.2 知识可视化 |
| 2.3.3 过程可视化 |
| 2.4 本章小结 |
| 第三章 故障分解技术研究 |
| 3.1 故障分析与描述 |
| 3.2 基于可视化故障树的故障分解模型 |
| 3.2.1 可视化故障树生成 |
| 3.2.2 故障树的存储 |
| 3.2.3 可视化故障树编辑 |
| 3.2.4 故障树节点定位推理 |
| 3.3 本章小结 |
| 第四章 基于行为可视化模型表示及转换 |
| 4.1 诊断行为可视化生成及属性图 |
| 4.1.1 诊断行为的建立与实现 |
| 4.1.2 诊断行为的属性图生成 |
| 4.2 从行为属性图到UML交互图的转化 |
| 4.2.1UML交互图 |
| 4.2.2 行为属性图到UML交互图的转化研究 |
| 4.3 UML协作图到Petri网的转化 |
| 4.3.1 协作图到Petri网的转化机制设计 |
| 4.3.2 协作图到Petri网的转化算法实现 |
| 4.4 实例验证 |
| 4.5 本章小结 |
| 第五章 飞机远程可视化故障诊断系统的原理实现 |
| 5.1 系统开发平台 |
| 5.2 系统原理实现 |
| 5.2.1 系统设计思想 |
| 5.2.2 系统体系结构 |
| 5.2.3 系统的功能模块 |
| 5.2.4 数据库设计 |
| 5.3 系统核心功能设计与实现 |
| 5.3.1 人机交互界面 |
| 5.3.2 提交故障功能设计与实现 |
| 5.3.3 故障树生成功能设计与实现 |
| 5.3.4 远程可视化诊断模型功能设计与实现 |
| 5.4 远程可视化诊断系统验证 |
| 5.5 本章小结 |
| 六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（5）大吨位履带起重机故障信息管理与故障诊断系统（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 图录 |
| 表录 |
| 第一章 绪论 |
| 1.1 课题背景和意义 |
| 1.2 履带起重机智能维护发展现状 |
| 1.2.1 故障树分析法发展现状 |
| 1.2.2 设备故障信息管理系统发展现状 |
| 1.2.3 远程故障诊断平台研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文的组织结构 |
| 第二章 履带起重机行走系统故障树诊断系统 |
| 2.1 引言 |
| 2.2 故障树分析法 |
| 2.2.1 故障树分析法基础 |
| 2.2.2 故障树建立步骤 |
| 2.3 履带起重机行走液压系统故障树的建立 |
| 2.4 故障树的定性分析和定量分析 |
| 2.4.1 故障树的定性分析 |
| 2.4.2 故障树的定量分析 |
| 2.4.2.1 使用最小割集结构函数求顶事件发生概率 |
| 2.4.2.2 事件的重要度计算 |
| 2.5 基于贝叶斯网络的故障树分析 |
| 2.6 本章小结 |
| 第三章 大型履带起重机故障信息管理平台 |
| 3.1 引言 |
| 3.2 起重机故障信息管理平台的开发目标 |
| 3.2.1 系统的需求分析 |
| 3.2.2 系统的开发目标 |
| 3.2.3 系统的开发环境 |
| 3.3 起重机故障信息管理平台架构 |
| 3.4 起重机故障信息管理平台的实现 |
| 3.4.1 用户管理模块 |
| 3.4.2 数据库的开发 |
| 3.4.3 故障信息输入模块 |
| 3.4.3.1 故障信息的导入 |
| 3.4.3.2 故障信息的录入 |
| 3.4.4 故障信息查询分析模块 |
| 3.4.5 基础信息库管理模块 |
| 3.5 本章小结 |
| 第四章 基于 Web 服务的远程诊断平台 |
| 4.1 引言 |
| 4.2 Web 服务介绍 |
| 4.3 系统总体架构 |
| 4.3.1 系统整体架构介绍 |
| 4.3.2 系统工作流程 |
| 4.4 远程诊断中心的设计 |
| 4.4.1 数据传输的实现 |
| 4.4.1.1 WCF 实现数据的传输 |
| 4.4.1.2 字符串数据的传输 |
| 4.4.1.3 振动波形数据的传输 |
| 4.4.2 诊断模块的设计 |
| 4.4.2.1 故障诊断过程 |
| 4.4.2.2 诊断模型的训练 |
| 4.5 集成数据库的设计 |
| 4.5.1 MIMSO |
| 4.5.2 故障信息数据库的设计 |
| 4.5.3 诊断模型数据库的设计 |
| 4.6 远程诊断系统的实现 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究工作总结 |
| 5.2 未来工作的展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（6）高原型信息化液压油泵车智能故障诊断系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 故障诊断技术概述 |
| 1.2.1 故障诊断技术的内容和方法 |
| 1.2.2 故障诊断系统的国内外研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 高原型信息化液压油泵车 |
| 2.1 高原型信息化液压油泵车 |
| 2.2 高原型信息化液压油泵车各系统结构 |
| 2.2.1 底盘 |
| 2.2.2 动力传动系统 |
| 2.2.3 液压系统 |
| 2.2.4 电气控制系统 |
| 2.3 操作界面 |
| 第三章 液压系统故障特性及模糊模式识别 |
| 3.1 液压系统故障诊断方法选择 |
| 3.1.1 液压系统故障特点分析 |
| 3.1.2 非线性系统的故障诊断方法 |
| 3.1.3 液压系统故障诊断方法确定 |
| 3.2 模糊理论基础 |
| 3.2.1 模糊集合与模糊逻辑的概念 |
| 3.2.2 模糊集合的表示及隶属函数 |
| 3.2.3 模糊集合的基本运算 |
| 3.3 模糊模式判决 |
| 3.3.1 模糊关系 |
| 3.3.2 模糊模式识别 |
| 3.4 液压系统故障的模糊模式识别 |
| 3.4.1 故障现象集和故障模式集的建立 |
| 3.4.2 模糊关系矩阵的建立 |
| 3.4.3 模糊诊断方程的确定 |
| 3.4.4 模糊判决 |
| 3.4.5 液压系统故障诊断实例验证 |
| 第四章 智能故障诊断系统 |
| 4.1 模糊专家系统结构 |
| 4.2 模糊知识库的建立和维护 |
| 4.2.1 知识获取 |
| 4.2.2 知识表示 |
| 4.2.3 模糊知识库建立 |
| 4.3 人机接口 |
| 4.4 模糊推理机 |
| 4.4.1 推理机概念 |
| 4.4.2 模糊推理机流程 |
| 4.5 解释机 |
| 4.6 现场故障诊断系统管理系统 |
| 第五章 远程障诊断系统框架 |
| 5.1 远程故障诊断介绍 |
| 5.1.1 远程故障诊断概念 |
| 5.1.2 远程故障诊断的优势 |
| 5.1.3 远程故障诊断的发展现状 |
| 5.1.4 远程故障诊断的技术支持与主要问题 |
| 5.2 远程故障诊断系统结构方案 |
| 5.2.1 多层结构诊断系统概述 |
| 5.2.2 基于C/S的故障诊断系统 |
| 5.2.3 基于B/S的故障诊断系统 |
| 5.3 高原型信息化液压油泵车远程故障诊断系统框架 |
| 5.3.1 现场数据采集和传输模块 |
| 5.3.2 车载信息处理计算机 |
| 5.3.3 通讯模块 |
| 5.3.4 远程诊断中心 |
| 第六章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 附录Ⅰ 功能选择界面部分代码 |
| 附录Ⅱ 主界面部分代码 |
| 附录Ⅲ 故障现象数据输入界面部分代码 |
| 附录Ⅳ 故障诊断系统界面部分代码 |
| 附录Ⅴ 视频通信界面部分代码 |
| 致谢 |
| 攻读硕士期间发表的论文 |
（7）基于改进神经网络的民机发动机故障诊断与性能预测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 1 绪论 |
| 1.1 概述 |
| 1.2 实时智能故障诊断方法分类 |
| 1.2.1 飞机故障专家系统诊断 |
| 1.2.2 模糊逻辑在诊断中的应用 |
| 1.2.3 故障树在诊断中的应用 |
| 1.2.4 神经网络在诊断中的应用 |
| 1.2.5 信息融合在诊断中的应用 |
| 1.3 飞机故障诊断技术的发展和特点 |
| 1.3.1 飞机故障诊断的特点 |
| 1.3.2 研究背景及意义 |
| 1.3.3 国内外研究动态 |
| 1.4 本文的研究目的和要求 |
| 1.5 论文研究的智能化方案 |
| 1.6 研究内容和组织安排 |
| 2 机载监控系统通信原理及实时诊断结构 |
| 2.1 概述 |
| 2.2 基于飞行数据的飞机状态监控系统 |
| 2.2.1 飞机状态监控系统结构 |
| 2.2.2 机载数据采集原理及总线结构 |
| 2.2.3 数据总线及通信协议研究 |
| 2.3 发动机故障诊断及监控系统 |
| 2.3.1 发动机诊断数据流程及基本方法 |
| 2.3.2 实时数据据驱动的故故障诊断系统统框架 |
| 2.4 本章小结 |
| 3 发动机气路参数的解析及多源信息融合 |
| 3.1 概述 |
| 3.2 基于数据帧结构的 QAR 与 ACARS 解译算法设计 |
| 3.2.1 QAR 发动机参数帧结构解析及译码算法设计 |
| 3.2.2 ACARS 报文数据结构解析及算法设计 |
| 3.2.3 发动机气路参数的预处理 |
| 3.2.4 发动机气路参数译码实例 |
| 3.3 故障诊断研究中的多源信息融合问题 |
| 3.3.1 发动机参数的数据层融合 |
| 3.3.2 故障诊断知识的决策层融合 |
| 3.4 本章小结 |
| 4 基于改进神经网络的发动机故障诊断建模 |
| 4.1 概述 |
| 4.2 改进神经网络诊断原理 |
| 4.2.1 神经元模型 |
| 4.2.2 BP 神经网络模型及其特点 |
| 4.2.3 神经网络的优化与集成 |
| 4.3 改进神经网络学习算法 |
| 4.3.1 基于蚁群算法的神经网络参数优化方法 |
| 4.3.2 基于 Levenberg-Marquardt 算法的神经网络训练方法 |
| 4.3.3 优化与集成过程中的要点 |
| 4.4 基于改进神经网络的发动机故障诊断 |
| 4.4.1 改进神经网络诊断系统结构及诊断流程 |
| 4.4.2 样本空间构成 |
| 4.4.3 诊断模型训练及诊断应用 |
| 4.4.4 模型的集成与应用评估 |
| 4.5 本章小结 |
| 5 发动机性能监控及预测方法 |
| 5.1 概述 |
| 5.2 发动机性能监控 |
| 5.2.1 发动机性能监控流程 |
| 5.2.2 发动机气路性能监控方法 |
| 5.2.3 发动机性能监控案例 |
| 5.3 发动机性能参数预测 |
| 5.3.1 性能参数预测流程 |
| 5.3.2 发动机性能预测方法 |
| 5.3.3 性能预测应用实例 |
| 5.4 本章小结 |
| 6 系统实现及应用 |
| 6.1 概述 |
| 6.2 系统主要功能 |
| 6.3 系统设计与实现 |
| 6.3.1 系统结构设计 |
| 6.3.2 数据库设计 |
| 6.3.3 业务处理层设计 |
| 6.3.4 系统 XML 数据文件设计 |
| 6.3.5 数据库连接池设计 |
| 6.3.6 表示层设计 |
| 6.4 系统应用 |
| 6.5 本章小结 |
| 7 全文总结与研究展望 |
| 7.1 研究工作总结 |
| 7.2 本文主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（8）基于信息融合的复杂系统健康管理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 图表清单 |
| 注释表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要研究内容 |
| 第二章 复杂系统健康管理的基本理论 |
| 2.1 理论基础 |
| 2.1.1 复杂系统的定义及特点 |
| 2.1.2 健康管理的基本概念 |
| 2.1.3 复杂系统的健康管理 |
| 2.2 复杂系统健康管理系统 |
| 2.2.1 复杂系统健康管理系统功能介绍 |
| 2.2.2 复杂系统健康管理系统结构 |
| 2.2.3 复杂系统健康管理技术 |
| 2.3 航空发动机健康管理 |
| 2.3.1 健康监测——是健康管理的基础 |
| 2.3.2 航空发动机健康管理与维修决策 |
| 2.3.3 航空发动机健康管理系统开发要求 |
| 2.4 本章小结 |
| 第三章 健康监测的信息融合方法 |
| 3.1 信息融合基础 |
| 3.1.1 信息融合结构模型 |
| 3.1.2 当前信息融合存在的问题 |
| 3.2 航空发动机健康管理系统信息融合 |
| 3.2.1 信息融合框架 |
| 3.2.2 主要的信息融合方法 |
| 3.3 航空发动机信息融合模型 |
| 3.3.1 贝叶斯线性回归模型 |
| 3.3.2 扩展 Kalman 滤波 |
| 3.4 本章小节 |
| 第四章 系统可靠性评估 |
| 4.1 可靠性评估基础 |
| 4.1.1 可靠性评估的基本概念 |
| 4.1.2 可靠性评估的主要分布形式 |
| 4.2 基于状态信息的可靠性评估 |
| 4.2.1 可靠性预测模型 |
| 4.2.2 退化信息相关分析 |
| 4.2.3 退化信息独立分析 |
| 4.2.4 算例 |
| 4.3 本章小结 |
| 第五章 航空发动机健康管理系统开发技术研究与应用 |
| 5.1 航空发动机健康管理系统需求分析 |
| 5.2 系统开发技术原理与结构 |
| 5.2.1 技术原理 |
| 5.2.2 技术结构 |
| 5.3 系统环境配置与常见问题 |
| 5.3.1 系统环境配置 |
| 5.3.2 环境配置常见问题 |
| 5.4 开发应用案例 |
| 5.4.1 信息输入 |
| 5.4.2 模型 M 文件 |
| 5.4.3 输出模板 |
| 5.5 航空发动机性能可靠性监测与系统可靠性分析评估系统软件开发 |
| 5.5.1 需求分析 |
| 5.5.2 系统主要功能模块 |
| 5.5.3 系统使用逻辑结构 |
| 5.5.4 部分系统界面 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在学校期间的研究成果及发表的学术论文 |
（10）装备车辆故障的远程诊断（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文研究背景和意义 |
| 1.2 装备车辆故障诊断的现状 |
| 1.3 本文研究工作及章节安排 |
| 第二章 基于案例推理的装备车辆故障诊断系统 |
| 2.1 案例推理理论的概述 |
| 2.1.1 案例推理中案例的表示方法 |
| 2.1.2 案例推理中案例的检索 |
| 2.1.3 案例推理中案例改写和调整 |
| 2.1.4 案例推理的维护技术 |
| 2.2 基于案例推理的装备车辆故障诊断系统总体结构 |
| 2.2.1 装备车辆故障诊断系统总体设计 |
| 2.2.2 装备车辆故障诊断系统流程 |
| 2.2.3 装备车辆故障诊断系统功能模型 |
| 2.3 基于案例推理的装备车辆故障诊断功能模块实现 |
| 2.3.1 用户管理模块实现 |
| 2.3.2 故障诊断模块实现 |
| 2.3.3 案例库管理模块实现 |
| 2.3.4 系统帮助模块实现 |
| 2.3.5 开发技术 |
| 2.4 本章小结 |
| 第三章 装备车辆案例库的构建 |
| 3.1 装备车辆故障知识分析 |
| 3.1.1 装备车辆故障诊断 |
| 3.1.2 装备车辆故障原因及症兆 |
| 3.1.3 装备车辆故障的特点 |
| 3.1.4 装备车辆故障知识获取 |
| 3.2 装备车辆发动机故障特征的提取 |
| 3.3 装备车辆发动机故障的案例描述 |
| 3.3.1 装备车辆发动机的故障案例表示 |
| 3.3.2 案例库的建立 |
| 3.4 本章小结 |
| 第四章 基于近似向量法和k近邻法的装备车辆故障诊断 |
| 4.1 概述 |
| 4.2 基于近似向量法的装备车辆案例索引 |
| 4.2.1 VA-File索引结构 |
| 4.2.2 装备车辆VA-File索引建立 |
| 4.3 基于VA-File和k近邻法的检索 |
| 4.3.1 装备车辆案例相似性定义 |
| 4.3.2 基于VA-File的K近邻搜索算法 |
| 4.3.3 K近邻法 |
| 4.3.4 基于VA-File和k近邻法的装备车辆故障诊断 |
| 4.4 实验 |
| 4.5 本章小结 |
| 第五章 基于B/S装备车辆故障的远程诊断系统设计 |
| 5.1 远程故障诊断各模式及其特点 |
| 5.2 B/S远程诊断模式及其关键技术 |
| 5.2.1 B/S远程诊断模式 |
| 5.2.2 B/S关键技术 |
| 5.3 基于B/S装备车辆故障远程诊断系统 |
| 5.3.1 装备车辆故障远程诊断系统结构 |
| 5.3.2 装备车辆故障远程诊断系统功能模块 |
| 5.4 本章小节 |
| 第六章 总结和展望 |
| 6.1 论文内容总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者在攻读硕士学位期间的主要研究成果 |
四、基于WEB的航空发动机故障远程诊断技术研究（论文参考文献）
- [1]机械设备智能化油液分析技术研究现状[J]. 庞新宇,闫宗庆. 液压与气动, 2020(09)
- [2]基于改进SVM的航空发动机气路故障诊断研究[D]. 胡鹤翔. 中国民航大学, 2020(01)
- [3]舞台设备远程诊断系统开发与关键技术研究[D]. 张学丰. 兰州理工大学, 2018(08)
- [4]基于行为的飞机远程可视化故障诊断技术[D]. 刘文娟. 中国民航大学, 2014(03)
- [5]大吨位履带起重机故障信息管理与故障诊断系统[D]. 宋佳昊. 上海交通大学, 2014(06)
- [6]高原型信息化液压油泵车智能故障诊断系统研究[D]. 张来丰. 南京大学, 2013(10)
- [7]基于改进神经网络的民机发动机故障诊断与性能预测研究[D]. 刘永建. 南京航空航天大学, 2012(07)
- [8]基于信息融合的复杂系统健康管理研究[D]. 陈福立. 南京航空航天大学, 2012(04)
- [9]基于Internet的远程诊断技术方案的分析与研究[A]. 郭嘉强,黄丽芳,王立国,张斌,李济泰. “广汽部件杯”广东省汽车行业第六期学术论文集, 2011
- [10]装备车辆故障的远程诊断[D]. 周荣良. 中南大学, 2009(S2)