胡竞峰[1]2003年在《基于网络的大型旋转机械远程监测与诊断系统的研究与开发》文中研究说明本论文以大型旋转机械状态监测与故障诊断为研究对象，以开发基于网络的大型旋转远程监测与诊断系统为目的，在深入研究计算机网络技术的基础上，进行了基于网络的大型旋转远程监测与诊断系统的总体设计，着重研究远程监测与诊断系统中的远程数据传输和网络安全等关键技术，提出了远程诊断服务中心的设计方案，开发了远程状态监测与信号分析系统并应用于企业的关键生产设备的远程监测与诊断。 第一章 论述了大型旋转机械监测与诊断在现代工业生产中的重要意义，详细分析了大型旋转机械监测与诊断系统的历史与现状，并结合网络技术的发展和信息高速公路的建设，论述了基于网络的大型旋转机械远程监测与诊断技术。最后概述了课题的来源、目标及论文的主要研究内容。 第二章 分析了系统的总体需求，提出了系统的总体设计思想。设计了系统的总体功能结构，并对其进行了数据流图描述。接着设计了系统总体网络架构，主要是对网络的拓扑结构、传输协议、硬件环境、软件环境以及网络安全策略进行了设计，并提出了实现方案。 第叁章 分析了各个监测工作站的功能结构，论述了本地监测与诊断服务器的主要功能，实现了数据的集中管理和数据库存储，讨论了Web服务器的配置，设计并实现了本地监测诊断系统与企业内部网的集成。 第四章 分析了本地监测与诊断系统内的数据通信，实现了系统远程数据通信：综合应用Delphi ActiveForm与Three-Tiered Client／Server技术开发了系统的叁层客户／服务器结构，实现了瘦客户功能；采用基于HTTP的ASP与ADO技术，实现了Web数据库的数据访问；通过Delphi集成Microsoft Win32 Internet API的应用，开发了FTP客户端程序，实现了远程数据文件的传输。研究了本地与远程监测诊断系统的多种连接方式，并应用防火墙技术实现了网络安全管理。 第五章 研究了快变信号、慢变信号和开关量信号的远程实时监测和信号分析方法。实现了快变信号、慢变信号和开关量信号的实现监测，慢变信号的趋势分析及快变信号的升降速过程的级联图、瀑布图分析。实现了快变信号的时频图、轴心轨迹图、振动幅值趋势图和振动峰峰值趋势图分析。开发了报表、讨论组、留言薄等辅助功能模块。 第六章 研究了基于网络的远程诊断服务中心的架构，设计了中心的主要功能模块由监测诊断服务系统、数据库管理系统、网络管理系统和信息服务系统组成，并在分析了系统功能的基础上，提出了系统的实现方案。 第七章 给出了全文的总结与展望。
朱培友[2]2005年在《基于CORBA的大型旋转机械远程状态监测系统研究》文中进行了进一步梳理大型旋转机械状态监测与故障诊断技术保证机械设备安全、可靠、长期、高效运行,对于消除设备故障隐患、避免事故的发生具有重要的意义。大型旋转机械远程状态监测可以通过网络实现监测数据的远程调用和共享,是大型旋转机械状态监测与故障诊断技术的一个重要发展方向。 本文以开发具有容错性、灵活性和健壮性的大型旋转机械远程状态监测系统为目标,进行了基于CORBA 规范的大型旋转机械远程状态监测系统的总体设计:实现了基于CORBA 的大型旋转机械远程状态监测系统的CORBA应用服务器与客户端,完成了系统健壮性的开发,并对系统进行了测试:最后对客户端应用程序的封装、发布和系统远程数据的传输进行了阐述。 全文的主要研究内容如下: 第一章论述了大型旋转机械远程状态监测的重要意义;分析了国内外大型旋转机械远程状态监测系统研究与开发的现状,分析了将CORBA技术引入到大型旋转机械远程状态监测中的重大意义。 第二章对分布式对象标准CORBA及其相关技术进行了介绍。接着结合具体的实际情况进行了系统总体需求分析,然后据此建立了系统的总体结构模型。最后设计了基于CORBA的远程状态监测系统的多层体系结构,并对基于CORBA的远程状态监测系统的工作机理进行了研究。 第叁章研究了大型旋转机械远程状态监测系统的数据采集与监测子系统。给出了数据采集与监测子系统的整体结构,然后以气压机组为例说明了数据采集与监测工作站系统的设计及其实现过程。 第四章实现了基于CORBA的大型旋转机械远程状态监测系统的CORBA应用服务器与机组状态监测客户端应用程序,完成了系统健壮性的开发,并对系统的运行进行了测试:最后对客户端应用程序的封装、发布和系统远程数据的传输进行了阐述。 第五章论述了操作系统、Web服务器软件和数据库管理系统的选择;介绍了Web服务器的配置:分析了系统的网络安全策略:最后对系统的远程状态监测、远程信号分析与报表显示等功能的运行实例进行了分析。 第六章对全文进行总结,并对今后的工作提出了展望。
李毅[3]2008年在《基于SOA的设备状态监测与故障诊断系统的研究》文中认为机械设备远程故障诊断技术在保证工业设备正常运转、设备管理中起到重大作用。针对设备远程故障诊断技术和系统的应用研究也越来越深入,DCOM、CORBA、RMI等技术已广泛应用到远程设备监测与故障诊断系统的开发中。然而,以往的设计方法存在着重用性差、异构平台调用困难、互操作性差、紧耦合等诸多缺陷。要实现易于扩展的、功能可柔性组合、跨异构平台的状态监测与故障诊断系统,这些方法已无法胜任这样的要求。另一方面,随着机械设备故障诊断的网络化发展,分布式远程故障诊断体系的研发逐渐兴起,然而目前的远程技术在实现跨地域、跨防火墙跨平台联合故障诊断问题上存在一系列困难。近年来出现的面向服务架构(SOA, Service- Oriented Architecture)技术,为解决以上问题提供了可能性。SOA是一种体系框图,它将应用程序不同功能单元(即服务)通过定义良好的契约和策略联系起来。基于此,SOA具有松耦合性、互操作性、开发迅捷、异构平台资源共享等明显优势,能很好地实现功能可柔性组合、跨平台、伸缩性好的复杂系统。本文将SOA概念和相关技术引入机械设备状态监测和故障诊断领域,并在国家自然科学基金重点资助项目——“大型复杂机电系统早期故障智能预示的理论与技术”(编号50335030)和国家自然科学基金资助项目——“面向IMS并基于信息融合的设备性能退化评估与预测”(编号50675140)的支撑下,提出并验证了基于SOA的分布式故障诊断体系架构;提出并实现了基于SOA的企业级状态监测和故障诊断系统;同时,着重对状态监测子系统进行了研究,在LabVIEW和LabCVI环境下开发了基于FPGA技术的大型变频鼓风机状态监测子系统,提出并实现了基于面向服务概念的监测子系统的改进方案;通过WCF和Web服务等面向服务相关技术解决了遗留程序在新的SOA系统架构下的重用问题。本文的研究为面向服务架构在机械设备状态监测与故障诊断领域的深入应用奠定了良好的基础。
郭富源[4]2007年在《故障树理论在远程诊断系统中的应用研究》文中提出利用设备振动信号监测设备的运行状态、分析故障原因是企业进行设备维护的重要手段。目前，大部分监测软件采用C／S结构，此类软件难以实现跨Internet的在线监测与故障诊断。随着计算机技术的发展，基于B／S结构的远程故障诊断软件可以满足现场信息远程共享的需要，充分利用远程专家的知识与经验解决复杂的故障问题，从而大大提高诊断的专业化水平。本文首先简要介绍了旋转机械在国民经济发展中的重要地位，现代设备故障诊断技术的发展状况及发展趋势，并阐述了构建远程故障诊断系统的意义。文中叙述了旋转机械常见故障机理及识别特征，并从时域分析、频域分析以及转子故障分析叁个方面总结了旋转机械故障诊断的常用方法。在深入分析上述内容的基础上，利用故障树理论对旋转机械故障进行了分析、整理。考虑到系统开发的需要以及用户的需求，建立了两种不同用途的旋转机械振动故障树。然后，依据所建的故障树完成了基于规则的故障诊断子系统知识库、推理功能、人机界面的设计与开发。同时，文中详细阐述了远程故障诊断系统的网络结构、技术特点以及各模块的设计与实现。最后，以故障诊断实例说明系统的设计开发已达到了预期的目的，能够满足旋转机械远程故障诊断的需要。特别是，故障诊断子模块和多种分析方法的结合使用，有助于快速准确诊断设备运行状态，确定故障源。目前，系统总体框架设计已基本完成。在线监测部分已用于北京燕山石化公司离心式压缩机H101现场在线监测。同时，利用本系统还可以获取设备的历史数据进行对比分析，并对设备的运行状态做出预测。
王保强[5]2005年在《基于LabVIEW的大型旋转机械状态监测与故障诊断系统开发》文中认为机器的振动是难免的,过大的振动又往往是机器破坏的主要原因,因此,我们通常利用检测设备检测振动信号来监视机械的工作状态,并对信号进行分析处理提取故障信号。 本文采用LabVIEW语言和PCL_1800数据采集卡开发了大型旋转机械状态监测与故障诊断系统,主要包括软件的开发和硬件的安装、调试两大部分。 系统软件主要包括:数据采集、动态显示、实时监测、信号分析、数据存储、报警和故障诊断等模块。其中实时监测模块是整个系统最关键的部分,它起着枢纽作用,对上和用户打交道,对下和各种设备通信以获取信息,监控模块性能的好坏直接关系到系统的整体性能,因此本文详细阐述了监测模块的设计过程。 系统硬件在设计过程中,着重考虑了抗干扰性能。本文主要采用抑制干扰源和破坏干扰途径的办法来减小干扰的影响。 本系统软件具有可扩展性、模块化、由用户定义仪器功能等特点。仪器的功能可由用户自己产生,不再完全由仪器生产厂家来确定。在需要提高测试系统的性能时,用户可以根据自己的需要通过增加或修改软件,为系统加入新的测量功能而不用购买一台新的仪器。 本系统软件在数据采集卡PCL_1800的支持下,可以完成振动信号的数据采集以及功率谱、倒谱、谱阵、相干函数和时-频联合分析等功能,能将数据转化成各种对应的图形。 本软件在WINDOWS系统下运行,软件界面的设计以满足大多数用户为主,力求直观通俗,符合用户习惯。 通过本文给出的一些实例,验证了系统的性能。本系统可以广泛应用于电力、石化、冶金、汽车和造船等国民经济重要部门,作振动测试分析和故障诊断。
孙红岩[6]2007年在《大型旋转机械智能诊断多Agent系统的研究》文中研究表明大型旋转机械是广泛应用于各行各业的重点关键设备,如:汽轮机发电机组、水轮机发电机组、涡轮发动机、压缩机、通风机、水泵等,建立大型旋转机械智能诊断系统是企业为保证设备安全运转的迫切需要。由于企业中大型旋转机械分布的分散性及大型旋转机械智能诊断的复杂性,分布式智能、具有自适应功能的多算法“动态融合”智能诊断是大型旋转机械智能诊断的理论研究和工程应用中急需解决的问题。多Agent系统(Multi-Agent System,简称MAS)作为分布式人工智能的一个分支,将问题域分解为多个自治或者半自治的Agent,Agent与所处环境、人以及个体之间进行自主交互、协商与合作表现出“集体智能”,以解决大规模问题的求解。多Agent系统在机器人智能判别、互联网搜索引擎等领域得到了应用。本论文在国家科技攻关计划项目《设备故障网络化智能诊断系统》(编号:2001BA201A0610)和有关横向课题的支持下,根据多Agent系统的基本理论和大型旋转机械特点,研究了大型旋转机械智能诊断的知识体系、多Agent系统总体设计、个体Agent、多Agent系统模型与策略,建立了适用性强的新型的大型旋转机械智能诊断多Agent系统,在有关工程项目中得到了初步验证。本文主要研究内容有:(1)大型旋转机械智能诊断知识体系的研究。根据对多家大型企业的调研成果、ISO 18436国际标准及大型旋转机械智能诊断的特点,首次将教育学中知识体系的概念及研究方法引入到大型旋转机械智能诊攭的知识表示中,深入研究了知识体系系统的结构、内容及系统实现方法,以Authorware软件为平台,建立了新型的、系统的、开放式、模块化的大型旋转机械智能诊断知识体系及软件系统。两个现场实例初步验证系统作为人工诊断知识库的作用。(2)大型旋转机械智能诊断多Agent系统的总体设计。在大型旋转机械智能诊断知识体系的基础上,研究了大型旋转机械智能诊断任务分解方法,建立了多Agent系统的体系结构及个体Agent模型。在多Agent系统体系结构的设计中,研究了多Agent系统的组成、各部分功能、系统工作机制及多Agent系统与知识体系系统之间的关系,实现了由管理Agent总体协调的多个功能Agent协商决定的多种方法“动态融合”完成诊断任务的大型旋转机械智能诊断多Agent系统。在个体Agent模型的设计中,首次提出了在现有BDI模型的基础上引入基于兴趣指标和信心指标的心理状态的心智模型,建立了由心智层和行为层组成的两层个体Agent结构,分析了心智层和行为层的结构及功能。(3)大型旋转机械智能诊断个体Agent的研究。在现有BDI模型基础上,提出了个体Agent心智中思维状态具体结构及行为流程。研究了个体Agent心智中心理状态的影响因素,建立了基于二维模糊隶属度的信心指标算法及基于信心指标和信号特点的CBR兴趣指标算法。使个体Agent在解决诊断任务的过程中模拟人类专家的思维方式,根据具体任务自主地选择合适的诊断行为,完成诊断任务。(4)大型旋转机械智能诊断多Agent系统模型与策略的研究。研究了多Agent系统的协商策略、诊断流程、通讯方式、通讯协议、管理Agent的功能结构及有关算法。提出了基于诊断准确率和诊断时间的效用评估算法、基于效用评估的协商策略、分区黑板和消息通讯方式相结合的通讯方式及共享本体论的通讯协议。使多Agent系统能模拟人类专家集体诊断方式,实现多个Agent之间的交互、协商及协作解决诊断问题。(5)大型旋转机械智能诊断多Agent系统的工程应用研究。在某大型钢铁企业现有的网络基础上,设计了该企业大型旋转机械智能诊断多Agent系统的网络体系结构。并针对该企业的两台汽轮鼓风机组,从系统的结构设计、系统的诊断策略及软件开发等方面,研制了大型旋转机械智能诊断多Agent系统的汽轮鼓风机组诊断实例系统。初步验证了大型旋转机械智能诊断多Agent系统研究的正确性和可行性。
盛晨兴[7]2009年在《挖泥船动力机械远程诊断系统关键技术研究》文中研究说明挖泥船(又称疏浚船舶)在航道疏浚和港口建设中起着重要的作用。作为一种复杂机器系统,挖泥船不但具有主推进系统,还具有用于疏浚施工的挖泥作业系统。由于工作条件恶劣导致的动力设备故障成为影响作业的主要根源。为此,研究挖泥船动力设备的综合监测及故障分析理论及方法具有重要意义。针对挖泥船两种典型的动力设备,包括柴油机和液压系统的故障监测诊断开展工作,主要围绕发动机基于多参数综合监测及多方法融合故障诊断,建立基于远程监测的综合诊断系统；围绕液压系统的污染度监测,建立液压系统的自动污染度分析方法及远程诊断系统。以柴油机的可靠性台架试验为基础,对柴油机的性能参数和油液分析(包括光谱分析数据、铁谱分析数据、油液PQ指数等)等特征参数进行多指标融合分析,实现了对柴油机运转状况、磨损状况与趋势的综合分析,并据此对柴油机的可靠性进行评价。结合诊断技术、网络技术及分布式系统理论研究了船舶远程诊断模式和系统架构。基于Internet的计算技术,建立了人机共栖、远程异地协作诊断系统的关键技术,形成了远程监测系统的体系结构。将挖泥船动力设备监测系统划分为船载监测系统、船岸通信系统和岸基远程监测系统叁部分。运用模块化设计思想,研制了船舶柴油机数字化监测与诊断系统和基于网络的船舶动力系统的远程诊断与维修决策支持系统,实现了船舶、诊断中心和机务中心等叁级,振动、油液、瞬时转速和性能参数等四种方法的船舶动力系统运行保障的技术体系,构建了“叁级四法”船舶维修管理模式。研究了基于油液、瞬时转速和性能参数等在线监测方法,实现了基于性能参数监测、瞬时转速监测与油液分析多技术融合的监测与诊断方法,并通过实例验证,最终构建了船舶柴油机监测系统。分析了挖泥船液压油中污染物的主要来源和对液压设备的影响,确定了挖泥船液压系统污染度的等级评定标准与系统目标清洁度,研究了挖泥船液压系统的污染度在线监测和污染评判方法,实现了对挖泥船液压系统污染度的实时监测与评价。
门日秀[8]2009年在《网络环境下的旋转机械远程故障诊断系统开发问题研究》文中提出随着现代工业设备朝着超高速、超精密、网络化、集群化方向的快速发展,基于网络技术的远程故障诊断正在成为机械故障诊断技术的主流发展方向之一。将设备故障诊断技术与计算机网络技术相结合,借助于Internet网络建立一种基于www的开放式远程故障诊断平台,不仅具有可行性而且具有超越时空的优越性。针对目前的故障诊断系统其体系结构相对封闭问题,本文综合利用旋转机械转子部件典型故障特征及故障诊断方法、数据库技术、数据传输技术、MATLABWeb Server技术,对基于B/S模式的远程诊断中心的设计与实现问题进行了研究。在搭建了基于Internet的旋转机械转子系统远程故障诊断平台基础上,保持传统诊断功能基础上融入基于信息融合的知识化诊断方法,并通过转子实验台的远程操作,实现了对转子实验台的远程诊断和典型故障分析功能。主要工作内容及获得的研究结论如下:1)设计了一套旋转机械转子系统远程诊断中心的结构框架,该系统具有开发与维护简单、功能易扩展以及用户操作快速、便捷的特点。在论述了其硬件平台、软件平台、系统工作原理基础上,建立了系统工作的流程图。2)从转子动力学角度分析旋转机械转子产生故障的机理,并对转子常见故障问题进行研究。采用时域、频域以及轴心轨迹等方法,对转子故障时的振动信号处理并分析,总结故障特征,最后给出实例验证。3)针对传统的诊断方法诊断结果不准确的问题,对判别融合与最小分类距融合的融合理论进行研究,采用判别分析和最小距离分类器对故障特征进行特征层融合,并对融合结果进行对照分析,研究表明,传统最小距离分类器对转子故障的识别能力较差,而改进的最小距离分类器通过对类中心的细化,有效提高了故障识别能力,在实际应用中具有一定的应用前景。4)针对远程故障诊断系统服务器组建的问题;首先对系统的功能进行规划分析,然后分别对服务器的选择、Internet接入系统、网页的设计与制作、网络平台的安全机制等问题的实现进行了研究。通过搭建远程诊断中心并调试,结果表明,该系统实现了异地用户登陆系统对转子实验台进行操作和故障分析。研究表明,远程故障诊断仍有不少理论和技术问题有待进一步研究和讨论,智能化故障诊断技术的融入加强诊断的准确性,诊断网络的优化提高诊断速度以及利用3G技术实现高速的无线诊断是远程故障诊断研究的新问题。
陈平[9]2007年在《旋转机械故障诊断量子神经计算技术研究》文中进行了进一步梳理量子计算与神经计算的结合是当前人工神经网络理论发展的一个前沿课题,由此而产生的量子神经计算范式具有很高的理论价值和应用潜力。本文在量子计算原理的基础上,论述了量子神经计算出现的原因及特征,在理论方面,重点研究了多层激励函数的量子神经网络、基于通用量子门组的量子神经网络、模糊量子神经网络以及多宇宙量子神经网络等几种量子神经网络模型与方法及其在旋转机械故障诊断中的应用,在实践方面,针对某钢铁企业中的旋转机械开发了具有实用价值的大型旋转机械在线状态监测与智能故障诊断网络化系统。本课题来源于国家科技攻关计划项目《设备故障网络化智能诊断系统》(编号:2001BA201A0610,由多项横向课题做支撑,具体工作内容如下:①论述了本课题研究的目的和意义,对旋转机械振动故障的特点、在线监测和故障诊断技术的研究现状和方法以及神经网络论和模糊集理论的发展及其在设备故障诊断中的应用进行了全面的综述。②对相关的量子理论和量子计算原理进行了系统介绍,论述了量子神经计算出现的原因,综述了当前国际上对于量子神经计算的研究现状及水平。从理论上分析了量子计算与神经计算的对应概念、神经计算的量子推广方法以及量子神经计算所具有的性能,并介绍了量子神经计算模型的几种可能形式。③在设备状态预测方面,研究了基于量子神经网络的时间序列预测。1)针对生产实践中设备运行的非平稳性,基于动态预测思想,将多层激励函数的量子神经网络应用于旋转机械的非平稳时间序列预测,避免了传统神经网络和时序分析复杂的数据预处理、模型识别等过程。相比于传统的时间序列分析方法,多层激励函数的量子神经网络能对旋转机械非平稳时间序列进行更准确的预测。2)将通用量子门组作为神经网络的激活函数,通过将Qubit、相移门、U CN扩展到复数域,构造了基于通用量子门组的量子神经元和量子神经网络。研究了基于通用量子门组量子神经网络的大型旋转机械振动状态预测,与传统的BP神经网络的预测结果对比表明,基于通用量子门组的量子神经网络训练速度快、精度高、适用于时间序列预测,性能优于BP网络。④在故障诊断方面,研究了模糊量子神经网络、多宇宙模糊量子神经网络模型和方法及其在旋转机械故障诊断中的应用。1)针对旋转机械故障分类边界的模糊性和故障模式之间存在交叉数据的诊断不确定问题,提出了模糊集理论和多层激励函数的量子神经网络“浅层次”结合的模糊量子神经网络诊断模型,理论和实践证明:该方法有效地提高了故障诊断的精度和可靠度,为旋转机械故障诊断提供了有效方法。2)把多层激励函数的思想应用到隶属度函数中,将隶属函数的概念推广为量子隶属度,提出了一种量子神经模糊推理系统诊断模型以及基于模糊c-均值聚类算法和聚类效果评价准则的确定量子间隔数的方法。实例仿真分析表明,相比于普通神经模糊推理系统和BP网络,本文的量子神经模糊推理系统具有收敛速度快、诊断精度高等特点。3)根据量子理论中多宇宙的观点,提出了一种旋转机械故障诊断的多宇宙模糊量子神经网络模型,该模型将模糊c-均值聚类算法和聚类效果评价准则引入多宇宙量子神经网络的坍缩规则之中,实现了多故障发生时多宇宙的同时坍缩,有效实现了单一故障和多故障的诊断,具有适应性和抗干扰能力强、网络的扩展性能好、学习收敛速度快和消除灾变性失忆的潜力。4)针对旋转机械故障的层次性、相关性、不确定性以及故障征兆的多样性、模糊性、多义性等特点,提出了一种基于量子神经网络的多征兆综合诊断网络模型和具体实施方法,该模型根据旋转机械故障征兆的特点,融合了模糊量子神经网络、多宇宙量子神经网络和基于规则的反向分层推理策略,将旋转机械故障的诊断分为粗诊、细诊、精诊叁级诊断的有机结合,通过故障实例诊断分析,效果良好,具有较高的理论价值和实际意义。⑤在故障诊断的实践方面,根据课题要求,开发了基于C/S+B/S混合结构体系的大型旋转机械在线状态监测与故障诊断网络化系统,将现场在线监测诊断、远程监测诊断以及远程诊断中心有机结合起来。提出了网络化系统的通信和网络安全解决方案。针对旋转机械的振动特点,系统提供了功能比较完善的信号分析方法和故障种类比较齐全的自动诊断和人机交互诊断功能,为企业设备的高效、安全、经济运行提供了有力支持。
李红[10]2006年在《基于B/S模式的机组远程振动监测与故障诊断系统研究》文中提出汽轮发电机组振动监测与故障诊断是保障机组安全运行的重要手段之一。基于互联网技术实现机组远程振动监测与故障诊断十分必要。分析研究了机组远程振动监测与故障诊断技术;分析讨论了浏览器/服务器(B/S)模式与客户机/服务器(C/S)模式技术特点以及在B/S模式中采用Java技术的优点;研究了BP神经网络与面向对象技术相结合构建机组振动故障诊断神经网络系统的技术方法;研究了机组振动频谱征兆的自动提取方法;采用B/S模式开发了机组远程振动监测与故障诊断系统,给出了系统结构组成、功能模块以及服务器和客户端设计和实现方法。解决了网站开发,服务器和客户端通讯,监测图形无闪烁刷新,构建故障诊断神经网络系统,实现基于频谱征兆远程故障诊断等问题。该系统现场应用效果良好。
参考文献：
[1]. 基于网络的大型旋转机械远程监测与诊断系统的研究与开发[D]. 胡竞峰. 浙江大学. 2003
[2]. 基于CORBA的大型旋转机械远程状态监测系统研究[D]. 朱培友. 浙江大学. 2005
[3]. 基于SOA的设备状态监测与故障诊断系统的研究[D]. 李毅. 上海交通大学. 2008
[4]. 故障树理论在远程诊断系统中的应用研究[D]. 郭富源. 大连理工大学. 2007
[5]. 基于LabVIEW的大型旋转机械状态监测与故障诊断系统开发[D]. 王保强. 大连理工大学. 2005
[6]. 大型旋转机械智能诊断多Agent系统的研究[D]. 孙红岩. 重庆大学. 2007
[7]. 挖泥船动力机械远程诊断系统关键技术研究[D]. 盛晨兴. 武汉理工大学. 2009
[8]. 网络环境下的旋转机械远程故障诊断系统开发问题研究[D]. 门日秀. 兰州理工大学. 2009
[9]. 旋转机械故障诊断量子神经计算技术研究[D]. 陈平. 重庆大学. 2007
[10]. 基于B/S模式的机组远程振动监测与故障诊断系统研究[D]. 李红. 华北电力大学（北京）. 2006
标签：自动化技术论文; 故障诊断论文; 量子论文; 神经网络模型论文; 机械振动论文; 网络模型论文; 机械论文; 模糊理论论文; 网络结构论文; 功能分析论文; 旋转图形论文;