一、远程故障诊断技术在设备预知维修系统中的应用研究（论文文献综述）
丛培坤[1]（2019）在《基于状态检修的大型臭氧发生器监测系统研究》文中研究说明臭氧设备广泛应用于工业污染治理中,设备的维护水平成为臭氧设备进一步推广的关键。本文研究大型臭氧发生设备的状态检修技术,使设备检修由故障检修向状态检修发展,提高臭氧设备的维护水平。通过对状态检修技术的研究,为基于状态检修的大型臭氧设备监测系统设计提供理论依据。对臭氧产生机理和工艺过程分析,确立了状态监测参数及其位置。分析大型臭氧发生设备故障,提取设备预知诊断依据和故障特征。结合实验及设备运行经验,总结出预知诊断和故障诊断范围,并根据设备故障的严重性安排检修计划。在此基础上,分别对基于状态检修的大型臭氧发生设备监测系统的功能结构及硬件结构进行了设计,并完成设备选型。基于PLC编写了铝电解电容寿命在线监测子程序和变送器检测子程序等辅助服务程序。此外,基于HMI开发了组态界面。通过现场实验,验证了本文所开发系统的有效性,并成功地应用于臭氧氧化法废气处理项目中。提出电磁取能指示故障的方法,实现对故障管的准确指示,并通过实验验证了其可行性。本文设计并实现了基于状态检修的大型臭氧发生设备监测系统。利用电磁取能方法,实现了放电管故障指示。一方面,提高了设备的维护水平,降低了对检修人员的要求;另一方面,提高了设备故障检修效率,减少了停机时间。
胡楠楠[2]（2019）在《高温真空压合机故障预测与健康管理研究》文中进行了进一步梳理设备健康管理系统的一项重要功能—故障预测与健康管理（Prognostic and Health Management,简称PHM）,可以实时监控设备的工作数据,及时发现故障原因与部位,同时可以预估设备未来的运行状态,帮助企业提前排查设备故障,减小损失。本课题以高温真空压合机为研究案例,设计适用于中小型设备的通用PHM系统,满足企业工作人员可以远程监控、实时了解设备工作情况的需求,达到快速发现问题解决问题,提高工作效率的目的,给企业和社会带来更大的经济效益。本课题选择基于案例推理方法（Case-based Reasoning,简称CBR）进行研究,设计相应的故障预测模型,针对CBR算法进行改进,并检测改进算法的准确性,从而有效地提高高温真空压合机系统的稳定性和可靠性。本文以咸阳威迪机电科技有限公司生产的高温真空压合机为案例对象,利用传感器技术采集设备工作所产生的数据,验证设计的模型,并实现了故障预测与健康管理。设备在运行过程中会产生实时数据,这些数据可定量表示设备运行状态的优劣。首先通过传感器采集设备的特征属性参数存储到后台,系统如果要以更加便利规整的方式计算访问后台数据,必须让它们以特殊的组织形式存储,最终形成案例库。本系统构建B树结构的二级案例库,将历史案例存入文件系统,便于故障预测与健康管理。同时,在进行故障诊断与故障预测前,系统需对“温度”、“真空度”和“压力”三个数据的特征属性权重进行确定。为了PHM技术的效率,文中对基于案例推理预测方法中的搜索算法—最近邻算法（Nearest Neighbor algorithm,简称KNN）进行研究,改进出一种裁剪分治方法,通过对搜索区域的裁剪而达到减少搜索次数,提高算法效率的目的。仿真实验结果表明,当目标案例处于案例属性空间中部、偏离70%和偏离90%情况下,算法效率可分别提高25.08%、14.48%和0.58%。当目标案例处于案例属性空间的边缘10%以外的区域,裁剪分治法效率接近于循环遍历法的效率。相较于传统循环遍历法,裁减分治算法在效率上有优势。最终实现了高温真空压合机的PHM系统。
张志龙[3]（2019）在《用友智能工厂设备运维模块优化研究》文中指出设备运维即设备运行与维护,用友面向大中型制造企业构建智能工厂需求提供U8+、U9、NC6、精智互联网平台等管理产品,但其设备运维模块主要基于企业自身角度关注现场设备,精智互联网平台的设备运维模块虽然将设备服务商纳入管理范畴,但其只能参与设备基本信息交互。制造企业是智能工厂建设的主题,而智能工厂的设备运维主体则包括企业本身、设备服务商等。然而,中小设备服务商面临资金短缺等问题,无法有效提供智能化设备运维。因此,制造企业如何借助信息化手段吸引设备服务商进行设备深度运维凸显重要。本文以用友智能工厂管理产品中设备运维模块作为研究对象,以中小设备服务商深度参与智能工厂设备运维业务为目标,对设备运维流程与功能现状、设备运维模块需求、设备运维模块设计进行研究。内容包括:（1）设备运维模块需求分析与流程优化。主要针对制造企业和中小设备服务商进行设备运维需求调研,对用友智能工厂设备运维模块现状进行调查,梳理设备运维模块目前的功能及基本流程;引入设备绩效理论,提出面向绩效的设备运维流程优化方案,包括:设备预测性维修流程优化、设备故障诊断流程优化以及设备备件供应流程优化。（2）设计设备运维模块功能模型,包括设备档案管理、设备监控中心、设备远程诊断、设备检修管理;重点采用基于案例推理的方法,设计故障诊断方案生成方法。（3）最后对设备远程诊断子功能进行信息模型设计和关系模型设计,在此基础上进行软件结构设计。本文为改进用友智能工厂设备运维模块功能,提高信息系统的业务使能作用提供参考。
张学斌[4]（2018）在《乙烯制冷压缩机故障诊断技术研究》文中研究说明离心式压缩机是石油化工企业的最常用的一种压缩机,它的运行状态的好坏直接关系着企业的生产稳定性和安全,如果发生设备故障,会造成设备的损伤,还可能引发一套装置的非计划停工甚至全厂停工,给企业造成重大的经济损失。本课题以中韩（武汉）石化乙烯大型机组状态监测与故障诊断系统为依据,针对乙烯制冷压缩机机组进口温度达到-101℃,在开机时如果压缩机入口流量太高,压缩机温降太快,对压缩机零部件抗低温性能要求太高,易造成压缩机部件损坏,如果压缩机入口流量太小,可能会产生旋转失速甚至喘振现象,产生较大的振动的问题,重点针对乙烯制冷压缩机产生故障的故障机理和特征进行了分析研究,对其稳定运行和提高其可靠性有深远的意义。本文开篇研究了离心式压缩机的结构、原理、特点及分类。然后分析了国内外故障诊断方面的现状和发展趋势。最后对离心式压缩机的状态监测和故障诊断进行了归纳总结,结合离心式压缩机的特点,着重研究了振动监测和诊断的技术要点,以及振动故障的分析方法。结合企业的实际需求和乙烯制冷压缩机的特点,开发了乙烯制冷压缩机状态监测与故障诊断系统,从传感器的选用和监测点的布置,到系统的设计,根据系统设计原则,从硬件和软件两方面来设计;并按照模块化设计思想对将系统功能进行设计,实现乙烯制冷压缩机状态监测与故障诊断系统的功能。本文最后以中韩（武汉）石化乙烯制冷压缩机作为诊断案例,证实了状态监测与故障诊断系统的可行性和实际作用,进一步论证了在石油化工企业中推广应用在线设备状态监测与故障诊断技术的重要性和必要性。
周俊丽[5]（2018）在《神东煤炭集团设备润滑管理及油液综合分析技术研究》文中进行了进一步梳理近年来,神东煤炭集团先后采用了旋转式铁谱、理化指标分析、污染度测试、光谱分析等油液分析技术,对大型煤矿设备开展了一系列状态监测和故障诊断应用研究。本文在总结已有油液分析工作经验的基础上,对煤炭企业规范化的润滑管理以及基于多种技术手段的综合油液监测与分析技术进行了系统研究,以提高煤矿设备状态监测和故障诊断的准确性和科学性。在论述设备润滑管理理念的基础上,明确了煤矿设备所用油脂类型的选用原则、储运管理、油液分析、废油回收等内容;构建了煤矿设备在用油品分析实验室,配备了铁谱仪、铁量仪、污染度检测仪、光谱仪等油液分析仪器,并制定了乳化油样、颗粒异常油样、污染物油样、柴油机机油等各种油样的检测流程。技术研究方面运用关联性研究方法分析了油液污染度与磨粒颗粒含量、铁磁颗粒指数与铁谱分析技术、添加剂与理化指标之间的关联性,实现了油液多参数监测信息的相互补充及印证;采用层次分析法与奇异值分解法对油液监测的各个指标进行了权重分析,并对各个指标进行了重要程度的先后排序,增强了诊断的可靠性与客观性;构建了相对劣化度模型来评估润滑油的劣化情况,实现了对煤矿设备磨损和润滑评估的科学化。探究了神东煤炭集团油液分析技术,对大型煤矿设备开展了一系列铁谱分析技术应用研究,并以采煤机为例,总结了采煤机主要零部件的典型磨粒图谱,并对不同类型油样的磨损等级进行了划分;通过重点煤矿设备关键部件磨损监测分析案例,为基于油液分析技术的大型煤矿设备的状态监测和故障诊断提供参考。
李海涛[6]（2015）在《基于分形技术的滚动轴承内圈故障诊断与预测研究》文中认为随着机械制造业、装备行业的高速发展,相关的故障诊断技术越发显得重要。本文首先介绍了机械行业故障诊断技术的历史发展过程,并对滚动轴承故障诊断技术发展现状进行了介绍。论文介绍了滚动轴承的基本结构、失效成因及主要的失效形式,研究了滚动轴承故障特征频率的经验计算公式、频谱分析方法和仿真分析方法。对6205-2RS JEM SKF轴承的内圈早期微弱故障振动信号分别采用上述三种方法进行实测分析。分析表明对于同一个轴承内圈故障,这三种方法得到的故障特征频率互不相同。考虑到滚动轴承早期微弱故障信号的非平稳特征,指出可以采用基于分形的故障诊断方法进一步开展研究。针对实际采样信号,论文研究了信号的四种分形特征的判别方法,它们分别是基于时频分析的、基于分数布朗运动的、基于小波分解系数的和基于信号自仿射性的判别方法。论文还研究了三种分形维数的具体算法,指出分形维数可协助完成轴承故障的诊断工作。论文利用信号分形特征的判别方法,研究并发现轴承早期微弱故障信号具有显着的分形特征。继而又计算了故障轴承振动信号的三种分形维数,表明分形维数作为信号复杂度的指标,能定量地描述滚动轴承弱故障行为,可以敏感地反映滚动轴承故障的发生,为及早发现潜在故障提供了很好的监测手段。论文研究了变标度极差分析法（R/S分析法）,Hurst指数的求解算法,Vn曲线的求解算法。依据轴承故障振动信号的已有数据,进行故障预测。研究表明,将Hurst指数与Vn曲线相结合,依据Hurst指数的大小与Vn曲线自身的演变规律可以很好地预测信号在未来某一时间段内的发展趋势,实现故障的短期或中期预测。论文研究了信号的分形特征判别方法,发现滚动轴承早期的弱故障信号具有明确的分形特征,继而采用分形维数、变标度极差分析、Vn曲线特征分析的方法成功地实施了轴承的早期故障诊断。本文所提研究方法和研究工作对于轴承的故障诊断有一定的实用参考价值。
黄永东[7]（2012）在《如何选择风力发电机组的CMS系统》文中认为文章叙述了风电场风力发电机组CMS系统的基本功能和作用,介绍了目前CMS状态监测系统不同的分析方法以及差别。在文章中作者结合自己的工作经验和风力发电机组的特点,提出了风电场设备维修人员和振动故障诊断人员需要什么样的CMS系统。其目的是帮助用户正确选择合适的CMS系统。
王海[8]（2012）在《制造装备远程监控故障诊断系统研究》文中指出随着Internet/Intranet技术的迅速发展,现代制造模式正朝着集成化、网络化、全球化方向发展,涌现出智能制造、网络化分散制造等先进制造理念。以数控机床、PLC控制的制造装备、机器人等为代表的现场设备作为各种现代化制造系统的最基础装备,其正常运行是现代制造企业能够健康运转的根本保证。现场设备技术迅猛发展,结构日趋复杂,使得针对这些设备及其工艺过程的故障诊断工作越来越重要。本文分析了现代化装备制造系统在新形式下面临的挑战,在现有支撑技术条件下及其可见的发展趋势下,针对以CNC装置和PLC为控制器的制造装备的远程监控故障诊断进行深入研究。研究工作从构建由现场控制器到远程分布式系统的故障诊断功能的体系结构及关键使能技术出发,以系统的通用性为重要原则,提出远程监控故障诊断系统（EMID）的结构功能模型；提出实时数据平台RDSP功能模型,通过其向上层提供集成数据服务,并对实时数据的采集、管理、服务功能进行深入研究；提出“结构-故障树”方式的装备诊断知识组织模型,在其基础上,采用基于智能引导的融合诊断方法实现高效的诊断维护工作。本论文的主要研究工作具体如下：（1）分析现代制造环境下的装备故障诊断工作的功能需求,提出面向生产现场的远程监控故障诊断系统结构框架和功能模型,对其作出了系统化、全局性阐述,分析了实时数据服务和融合诊断方法等关键技术,为系统的具体实现奠定基础。（2）分析了生产现场实时数据接口特点和信号采集内容,分析了在诊断系统中实时数据服务功能的需求,提出基于扁平结构的实时数据平台RDSP,针对基于广域网分布式实时数据访问问题,采用散列映射访问机制和Socket线程池等技术,解决数据服务的实时性、并发性问题,通过实际检测达到预计效果。RDSP的研究包括平台的结构、内存实时数据维护、现场实时数据采集、实时数据服务、历史数据维护等具体功能的设计思想和实现方法。（3）充分分析制造装备固有特点和其故障特点,同时分析了应用于实际的各种故障诊断技术方法的特点。针对现有的各诊断理论功能单一的局限,提出基于“结构-故障树”知识组织方法和基于智能引导的层次融合诊断推理方法,解决了诊断知识和诊断方法在融合诊断工作中组织问题。在收集和分析大量数控机床等故障实例基础上,提出基于诊断过程性知识引导的诊断方法,基于设备-故障特征知识引导的诊断方法。同时,在经验知识不够充分时,提出基于RDSP实时/历史数据的ANFIS知识发现方法,实现面向数据的故障诊断功能。EMID层次诊断功能从纵向配置角度,提出基于现场控制器故障诊断的实施原则；在讨论和分析网络化协同工作环境下,诊断系统基本结构、功能实现的基础上,给出分布式故障诊断工作的流程及模糊层次评价方法。（4）在上述原理研究的基础上,在教育部博士基金项目“基于网络化的数控加工智能化研究”（145015）和教育部重点科研项目“基于CSCW远程控制的机械装备协调设计技术研究”（105057）的资助下,结合企业的CIMS及管控一体化开发等大量横向课题,综合运用CNC、PL、OPC、.NET、XML Web Service、AJAX、数据库等技术,以建立开放式远程监控故障诊断平台为基础,开发了面向网络化的EMID远程监控故障诊断原型系统,实现对上述复杂设备的状态监测与故障诊断的远程化、智能化,验证了论文提出的远程监控故障诊断系统的思想和方法的可行性、实用性。
刘勇[9]（2011）在《监测和诊断技术在设备预知维护中的应用研究》文中研究表明设备状态监测和故障诊断技术是一种近代迅述发展起来的,多学科交叉融合的新型应用技术。它在我国工业企业中的应用,可以促进企业进行维修制度的改革,向更合理的以状态监测和故障诊断技术为基础的预知维修体系方向发展,从而减少事故发生率,降低维修费用,保障设备长周期安全运行,提高企业设备管理水平,推动技术进步,增加企业的经济效益。具有广阔的应用前景。本课题针对天钢的设备维修体制现状,建立了设备的状态监测系统和以故障诊断为基础的预知维修体系。论文通过了解国内外故障诊断技术发展现状,在充分阐述故障诊断技术和预知维修理论的基础上,介绍了天钢设备的工艺特点,通过分析天钢设备管理中存在的问题和原因,论述了在天钢开展预知维修的必要性。主要研究工作（1）对故障诊断技术在时域和频域中常用的参数指标和处理方法进行了分析,通过总结天钢设备的常见故障,论述了故障产生的原因和可能造成的危害,说明了典型故障的现象和特征,并给出了计算方法。（2）结合天钢实际需要,通过研究设备的故障诊断模式,合理选择设备监测与诊断系统方粲,建立了天钢预知维修模型。（3）通过论述以点检为基础的预知维修在天钢的实施过程,具体说明了天钢实行点检定修制的基础工作和施行步骤,发生故障的处理流程,并通过对点检工作的检查促进点检工作的优化过程。（4）通过论述状态监测与诊断技术在天钢的开展过程,具体说明了实行设备监测和故障诊断的内容和具体步骤,以及天钢对此进行的基础工作（5）通过对故障诊断的实例分析,论述了以操作维修人员日常点巡检,运行管理人员专业点检和专业技术人员精密点检相结合的设备运行状态监测模式的合理性和有效性,建立了天钢设备以点检和故障诊断为基础的预知维修体系。论文解决了天钢以前依靠主观决策进行定期维修,发生的设备维修周期短、维修成本高,容易出现突发事故等困扰生产的问题。天钢通过对设备进行状态监测和故障诊断,降低了维修成本,保障了设备安全运行,提高了设备管理水平,为企业积极参与市场竞争起到了最坚实的支撑。
王庆锋[10]（2011）在《基于风险和状态的智能维修决策优化系统及应用研究》文中研究说明中国过程工业企业设备管理基本属于传统的事后维修模式,设备基础管理薄弱,依靠经验的、定性的方法确定设备检查/维护内容,缺乏对关键设备的识别和分类,维修资源不能合理分配,存在“维修不足”和“维修过剩”,系统安全生产隐患大、事故多,设备可靠性、可用性和安全性难以控制和保证。为保证过程工业安全生产减少安全事故和环境事故,建立了过程工业基于风险和状态的设备智能维修决策及任务优化系统,它以基于风险和状态的设备完整性管理系统为架构,利用物联网技术和面向服务的架构技术综合集成了企业资源计划系统（Enterprise Resource Planning, ERP）、企业生产执行系统（Manufacturing Executive System, MES）和基于风险的维修（Risk Based Maintenance, RBM）系统与状态监测预知维修信息系统（Predictive Maintenance Information Systems, PMIS）,为企业提供设备动态风险等级数据、预知维修信息数据、设备绩效指标数据、可靠性预测数据、设备剩余工作寿命数据,使各级人员能够通过网络平台及时准确地掌握设备风险状态和优化的维修任务排程,为设备维修决策提供科学支持。主要研究工作概括如下：（1）基于风险的维修研究和软件开发根据石油炼制、石油化工等过程工业设备管理特点,研究了适合过程工业设备管理特点的基于风险的维修风险评价技术,开发了基于风险的维修（RBM）软件,建立了基于风险的维修决策模型。（2）基于风险和状态的智能维修决策系统优化研究利用物联网技术搭建了基于风险和状态的设备智能维修决策系统。利用计算机技术、服务接口技术、数据库技术、有线或无线网络技术,基于面向服务的架构（Service Oriented Architecture, SOA）综合集成了PMIS、MES、RBM等系统模块,搭建了“以风险管理和核心,以专业管理为主线”的设备智能维修决策平台。该系统能够提供设备预知维修决策指标、动态风险等级指标、关键绩效指标,为基于风险和状态的维修决策提供定量分析数据。（3）基于风险的维修动态评估和设备管理绩效指标研究针对具体设备类型研究了可靠性数据、维修数据采集和交换内容；针对过程工业设备管理特点研究了设备动态风险变化影响因子（管理因子、个别设备修正因子）和动态风险评价技术；在对设备故障数据、维修数据进行分析的基础上,研究了过程工业设备绩效指标评估体系（设备、装置和公司三级）和设备管理绩效指标决策模型、绩效指标可靠性预测模型。（4）基于风险和状态的智能维修任务优化研究利用威布尔分布分析工具对平均故障间隔时间（Mean Time Between Failure, MTBF）、可靠性（Reliability）等动态数据进行分析,实现了设备的可靠性预测；利用主元分析方法确定设备故障特征参数,基于人工神经网络、灰色理论、曲线回归拟合和时间序列建模等方法跟踪设备故障特征参数劣化趋势,实现了设备剩余工作寿命预测；利用可靠性预测和剩余工作寿命预测实现了设备维修内容和故障维修间隔周期的优化；在设备动态风险分析和预知维修决策指标模型、管理绩效决策指标模型、设备可靠性预测模型、剩余工作寿命预测模型建立的基础上,以基于风险和状态的智能维修决策系统为平台,建立了基于风险和状态的设备维修任务优化模型。（5）基于风险和状态的设备智能维修决策系统工程应用基于风险和状态的设备智能维修决策系统综合集成了企业现有的ERP、MES、PMIS等设备管理信息资源,既考虑企业传统的设备管理现状,又引进了先进的RBM等设备风险管理技术；既考虑到设备定量风险分析缺乏可靠性数据和维修数据,又考虑到建立设备管理绩效指标的重要性；既强调建立的系统要具有动态风险等级指标、预知维修指标、设备管理绩效指标、可靠性和剩余工作寿命预测指标决策模型实现智能维修决策,又强调领导的强力支持、持续的培训和教育是基于风险和状态的维修管理模式成功应用的保证。锦州石化公司工程应用实践表明：建立的设备维修智能决策信息系统对于提高设备可靠性、可用性和安全性产生了积极效果,它使设备故障频率降低、故障后果减小,维修资源得到了合理利用。
二、远程故障诊断技术在设备预知维修系统中的应用研究（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、远程故障诊断技术在设备预知维修系统中的应用研究（论文提纲范文）
（1）基于状态检修的大型臭氧发生器监测系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 设备状态检修的意义及现状 |
| 1.2 大型臭氧发生设备的发展及应用 |
| 1.3 臭氧设备监测系统研究现状 |
| 1.4 选题意义及主要内容 |
| 2 臭氧生产机理及工艺过程 |
| 2.1 放电反应器结构及臭氧产生机理 |
| 2.1.1 放电反应器结构 |
| 2.1.2 臭氧产生机理 |
| 2.2 臭氧生产工艺 |
| 2.3 本章小结 |
| 3 大型臭氧发生设备状态检修技术研究 |
| 3.1 电气设备状态检修技术探讨 |
| 3.2 大型臭氧发生设备状态监测的探讨 |
| 3.3 大型臭氧发生设备故障分析 |
| 3.4 臭氧设备故障诊断的研究 |
| 3.4.1 故障诊断依据及检修类别 |
| 3.4.2 预知诊断范围及检修类别 |
| 3.5 本章小结 |
| 4 大型臭氧发生设备监测系统的研制 |
| 4.1 监测系统功能结构设计 |
| 4.2 监测系统硬件设计 |
| 4.2.1 系统硬件结构设计 |
| 4.2.2 系统硬件选型 |
| 4.3 监测系统软件设计 |
| 4.3.1 PLC程序设计 |
| 4.3.2 人机界面设计 |
| 4.4 监测系统调试 |
| 4.5 本章小结 |
| 5 放电管故障诊断实验研究 |
| 5.1 实验系统组成 |
| 5.2 实验与分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（2）高温真空压合机故障预测与健康管理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 高温真空压合机介绍 |
| 1.3.1 高温真空压合机相关知识 |
| 1.3.2 高温真空压合机故障分类 |
| 1.4 主要研究内容与创新点 |
| 1.5 论文结构与章节安排 |
| 2 PHM技术基础 |
| 2.1 PHM概述 |
| 2.1.1 PHM基本概念 |
| 2.1.2 PHM研究内容和关键技术 |
| 2.2 PHM一般架构 |
| 2.2.1 PHM体系结构 |
| 2.2.2 高温真空压合机数据采集和存储 |
| 2.3 故障预测技术 |
| 2.3.1 故障预测概念 |
| 2.3.2 故障预测模型 |
| 2.3.3 故障预测算法 |
| 2.4 设备健康管理 |
| 2.4.1 PHM健康管理 |
| 2.4.2 健康评价量化 |
| 2.4.3 设备维修策略 |
| 2.5 本章小结 |
| 3 高温真空压合机的故障预测 |
| 3.1 基于案例推理概念 |
| 3.1.1 CBR概述 |
| 3.1.2 CBR技术实现 |
| 3.2 CBR工作机制 |
| 3.2.1 案例的表示与存储 |
| 3.2.2 案例的检索与匹配 |
| 3.3 高温真空压合机案例库分级 |
| 3.4 案例的学习修改 |
| 3.4.1 原始案例学习修改 |
| 3.4.2 代表案例学习修改 |
| 3.5 本章小结 |
| 4 K近邻算法改进 |
| 4.1 KNN算法概述 |
| 4.1.1 KNN算法原理 |
| 4.1.2 KNN计算方法 |
| 4.1.3 高温真空压合机案例属性权值 |
| 4.2 KNN实现方法 |
| 4.2.1 循环遍历计算法 |
| 4.2.2 裁剪分治计算法 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 5 高温真空压合机PHM系统实现 |
| 5.1 需求分析 |
| 5.2 功能模块设计 |
| 5.3 系统实现 |
| 5.3.1 系统功能 |
| 5.3.2 实时监测和故障预测 |
| 5.3.3 设备管理 |
| 5.3.4 故障报警 |
| 5.3.5 探针程序 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 本文小结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（3）用友智能工厂设备运维模块优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与研究问题 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.2 研究意义 |
| 1.3 研究内容 |
| 1.4 论文的研究框架 |
| 1.4.1 文章结构 |
| 1.4.2 研究思路 |
| 第二章 相关文献研究 |
| 2.1 智能工厂相关研究 |
| 2.1.1 智能工厂的提出 |
| 2.1.2 智能工厂的概念及特征 |
| 2.1.3 用友智能工厂 |
| 2.2 设备运维相关研究 |
| 2.2.1 运维管理 |
| 2.2.2 设备运维服务研究现状 |
| 2.3 设备运维检修模式 |
| 2.3.1 维修理念的演化 |
| 2.3.2 传统运维检修模式的局限性 |
| 2.4 本章小结 |
| 第三章 用友智能工厂设备运维模块现状调查与分析 |
| 3.1 用友产品及其设备运维模块功能调查 |
| 3.1.1 用友U8+与设备运维模块功能调查 |
| 3.1.2 用友U9与设备运维模块功能调查 |
| 3.1.3 用友NC6与设备运维模块功能调查 |
| 3.1.4 用友精智平台与设备运维模块功能调查 |
| 3.1.5 设备运维模块功能对比 |
| 3.2 设备运维模块主要流程调查 |
| 3.3 设备运维模块问题分析 |
| 3.4 设备运维模块需求分析 |
| 3.4.1 需求分析方法的选择 |
| 3.4.2 访谈对象及过程 |
| 3.4.3 需求调查结果 |
| 3.5 本章小结 |
| 第四章 面向绩效的设备运维模块流程优化 |
| 4.1 设备运维模块优化目标 |
| 4.2 面向绩效的预测性维修流程优化 |
| 4.2.1 基于物联网的设备运维体系 |
| 4.2.2 基于预测性维修的设备运维流程 |
| 4.3 面向绩效的设备故障诊断流程优化 |
| 4.3.1 故障诊断界定 |
| 4.3.2 设备诊断流程 |
| 4.4 面向绩效的备件供应流程优化 |
| 4.5 本章小结 |
| 第五章 用友智能工厂设备运维模块功能优化 |
| 5.1 用友智能工厂设备运维功能树 |
| 5.1.1 设备档案管理 |
| 5.1.2 设备监控中心 |
| 5.1.3 设备远程诊断 |
| 5.1.4 设备检修管理 |
| 5.2 基于案例推理的故障诊断解决方法 |
| 5.2.1 本文案例推理的工作流程 |
| 5.2.2 案例表示 |
| 5.2.3 案例检索 |
| 5.2.4 案例修正 |
| 5.2.5 案例学习 |
| 5.3 本章小结 |
| 第六章 设备运维模块数据库与软件结构设计 |
| 6.1 数据库设计 |
| 6.1.1 模块实体关系图设计 |
| 6.1.2 模块数据表设计 |
| 6.2 模块软件结构设计 |
| 6.3 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 用友智能工厂设备运维模块需求访谈提纲 |
| 致谢 |
（4）乙烯制冷压缩机故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文研究背景和意义 |
| 1.2 离心式压缩机的简介 |
| 1.2.1 离心压缩机的工作原理及结构 |
| 1.2.2 离心压缩机的分类 |
| 1.2.3 离心压缩机的特点 |
| 1.3 离心压缩机故障诊断技术的发展现状和趋势 |
| 1.3.1 国外离心压缩机故障诊断的发展现状 |
| 1.3.2 国内离心压缩机故障诊断的发展现状 |
| 1.3.3 国内石化行业状态监测与故障诊断的应用情况 |
| 1.4 本文的主要研究内容 |
| 1.5 本章小结 |
| 第2章 离心式压缩机故障诊断方法研究 |
| 2.1 状态监测与故障诊断技术的概述 |
| 2.1.1 状态监测与故障诊断的概念 |
| 2.1.2 状态监测与故障诊断的方法 |
| 2.2 离心式压缩机的监测诊断的方法 |
| 2.2.1 离心压缩机故障诊断常用的分析方法 |
| 2.2.2 大型离心式压缩机的振动参数 |
| 2.2.3 振动测量系统的基本原理 |
| 2.3 振动监测诊断要点 |
| 2.3.1 依据设备自身的重要性来选用监测与诊断方案 |
| 2.3.2 选择振动测量参数 |
| 2.3.3 合理布置振动测量的方位和测量点 |
| 2.3.4 确定振动监测周期 |
| 2.3.5 确定判断标准和评价设备状态 |
| 2.4 压缩机振动分析方法 |
| 2.4.1 使用信号处理图形分析 |
| 2.4.2 频谱分析 |
| 2.4.3 相位分析 |
| 2.5 本章小结 |
| 第3章 乙烯制冷压缩机的状态监测 |
| 3.1 乙烯制冷压缩机振动传感器的选用 |
| 3.1.1 振动传感器的分类及选用原则 |
| 3.1.2 传感器的选用 |
| 3.2 监测点的选择和布置 |
| 3.2.1 轴位移监测 |
| 3.2.2 振动监测 |
| 3.2.3 键相位测量 |
| 3.2.4 测点说明 |
| 3.3 乙烯制冷压缩机组状态监测系统的设计 |
| 3.3.1 系统硬件的选择 |
| 3.3.2 系统架构 |
| 3.3.3 系统功能设计 |
| 3.3.4 系统自检功能和热备功能设计 |
| 3.3.5 系统安全设计 |
| 3.4 系统组态配置 |
| 3.4.1 运行SQL服务管理器 |
| 3.4.2 创建数据库 |
| 3.4.3 报警设置 |
| 3.5 本章小结 |
| 第4章 乙烯制冷压缩机故障诊断实例 |
| 4.1 乙烯制冷压缩机组基本结构及技术参数 |
| 4.1.1 乙烯制冷压缩机组基本结构 |
| 4.1.2 技术参数 |
| 4.1.3 机组报警与连锁值 |
| 4.2 乙烯制冷压缩机的相关工艺流程 |
| 4.3 故障现象及故障诊断分析 |
| 4.3.1 故障现象 |
| 4.3.2 故障诊断分析 |
| 4.3.3 故障验证 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 致谢 |
（5）神东煤炭集团设备润滑管理及油液综合分析技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 油液分析技术简介 |
| 1.3 油液分析技术研究现状 |
| 1.4 主要研究内容 |
| 2 煤矿设备润滑管理及润滑油脂管理流程的建立 |
| 2.1 润滑管理的理论基础 |
| 2.2 企业润滑管理的观念存在的误区 |
| 2.3 润滑管理的内容与实施 |
| 2.4 润滑油脂的选用与管理 |
| 2.4.1 润滑油脂选用的基本原则 |
| 2.4.2 润滑管理的基本要求 |
| 2.4.3 润滑油脂的采购管理 |
| 2.4.4 润滑油脂供应商管理 |
| 2.4.5 润滑油脂的入库管理 |
| 2.4.6 润滑油脂的储运保管措施 |
| 2.4.7 换油的规定 |
| 2.4.8 润滑油的代用 |
| 3 煤矿设备在用油品分析实验室及检测流程构建 |
| 3.1 润滑油分析实验室构建方案 |
| 3.2 选用润滑油分析仪器设备信息 |
| 3.2.1 铁谱分析系统 |
| 3.2.2 铁量仪 |
| 3.2.3 污染度检测仪 |
| 3.2.4 光谱仪 |
| 3.2.5 其它设备 |
| 3.3 不同类型油样的检测流程 |
| 3.3.1 乳化油样 |
| 3.3.2 颗粒异常油样 |
| 3.3.3 污染物油样 |
| 3.3.4 柴油机机油油样 |
| 4 油液监测相关技术指标的关联性研究 |
| 4.1 齿轮油污染度和磨损颗粒含量的相关性分析 |
| 4.1.1 实验数据的获取 |
| 4.1.2 油液污染度与铁谱数据灰色关联度计算 |
| 4.1.3 结果分析 |
| 4.2 在用润滑油的铁磁颗粒指数与铁谱分析的相关性研究 |
| 4.2.1 实验部分 |
| 4.2.2 结果与讨论 |
| 4.3 矿用润滑油添加剂与油品相关理化指标关联性研究 |
| 4.3.1 润滑油理化指标性能试验流程 |
| 4.3.2 齿轮油添加剂对油品理化指标关联性试验过程 |
| 4.3.3 齿轮油添加剂的有关于油品理化指标关联性验证结论 |
| 4.3.4 结论 |
| 5 采煤机综合油液监测指标权重及劣化度分析研究 |
| 5.1 油液监测方法层次结构构成 |
| 5.1.1 油液监测分析层次结构建立方法 |
| 5.1.2 油液状态检测磨损指标层次结构 |
| 5.1.3 油品质量与润滑状态监测手段的层次结构 |
| 5.2 油液监测方法及检测指标权重 |
| 5.2.1 磨损状态监测方法及属性权重的确定 |
| 5.2.2 原子发射光谱方法权重确定 |
| 5.2.3 不同磨粒类型权重结论 |
| 5.2.4 不同磨粒尺寸权重确定 |
| 5.2.5 不同技术手段权重结论 |
| 5.3 油液监测劣化分析方法 |
| 5.3.1 相对劣化评估模型 |
| 5.3.2 劣化度等级的划分 |
| 5.3.3 综合劣化度模型 |
| 6 油液铁谱分析技术在神东煤炭集团公司的应用 |
| 6.1 煤矿设备油液典型磨粒图谱分类 |
| 6.1.1 正常磨损颗粒 |
| 6.1.2 切削磨损颗粒 |
| 6.1.3 疲劳磨损颗粒 |
| 6.1.4 滚滑复合磨损颗粒(齿轮系) |
| 6.1.5 严重滑动磨损颗粒 |
| 6.2 磨损等级划分 |
| 6.2.1 正常磨损等级 |
| 6.2.2 轻微磨损等级 |
| 6.2.3 异常磨损等级 |
| 6.2.4 严重磨损等级 |
| 6.3 磨损监测分析案例 |
| 6.3.1 刮板机机尾减速器损坏 |
| 6.3.2 采煤机右摇臂行星头齿轮圈剥落 |
| 6.3.3 采煤机左牵引高速齿轮箱故障 |
| 6.4 油液铁谱分析技术在神东煤炭集团公司的应用效果分析 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
（6）基于分形技术的滚动轴承内圈故障诊断与预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 本课题的选题与课题的提出 |
| 1.1.1 机械故障诊断的意义 |
| 1.1.2 机械故障诊断的技术发展历程 |
| 1.2 滚动轴承故障诊断的研究现状与发展趋势 |
| 1.2.1 滚动轴承故障诊断的意义 |
| 1.2.2 滚动轴承故障诊断技术发展历程 |
| 1.3 分形技术在机械行业中的应用 |
| 1.3.1 分形技术的发展概况 |
| 1.3.2 分形技术在机械行业中的应用 |
| 1.4 本课题主要研究内容 |
| 2 滚动轴承的故障机理及振动特征分析 |
| 2.1 滚动轴承的基本结构、振动机理及故障机理 |
| 2.1.1 滚动轴承的基本结构 |
| 2.1.2 引起滚动轴承振动的主要因素 |
| 2.1.3 滚动轴承的故障演化 |
| 2.2 滚动轴承的振动特征及主要失效形式 |
| 2.2.1 正常轴承的振动信号特征 |
| 2.2.2 故障轴承的振动信号特征 |
| 2.2.3 滚动轴承的主要失效形式 |
| 2.3 滚动轴承内外圈的固有频率和故障特征频率的经典算法 |
| 2.3.1 滚动轴承内外圈固有频率的经典算法 |
| 2.3.2 滚动轴承的故障特征频率的经典算法 |
| 2.4 滚动轴承内圈故障实测及分析 |
| 2.4.1 基于经验公式的6205-2RS JEM SKF轴承故障特征频率计算 |
| 2.4.2 基于时频分析的6205-2RS JEM SKF轴承故障特征频率计算 |
| 2.4.3 基于有限元仿真的6205-2RS JEM SKF轴承故障特征频率计算 |
| 2.5 本章小结 |
| 3 采样信号分形特性及表征方法 |
| 3.1 分形及其自相似性 |
| 3.1.1 分形的定义 |
| 3.1.2 滚动轴承内圈弱故障振动时域信号的分形分析 |
| 3.1.3 分形的自相似性与无标度性 |
| 3.1.4 工程实践中的自相似性判别 |
| 3.2 滚动轴承内圈弱故障振动信号的自相似性判别 |
| 3.2.1 基于频谱分析的滚动轴承弱故障自相似特性判别 |
| 3.2.2 基于自仿射性的滚动轴承弱故障自相似特性判别 |
| 3.3 分形维数及其工程应用 |
| 3.3.1 长度测量及其维数的定义 |
| 3.3.2 常见的几种分形维数 |
| 3.3.3 时域离散信号的分维数算法研究 |
| 3.4 本章小结 |
| 4 基于分形技术的滚动轴承内圈故障诊断 |
| 4.1 弱故障滚动轴承的实验系统 |
| 4.2 基于分形技术的滚动轴承振动信号分析 |
| 4.2.1 振动信号的小波消噪 |
| 4.2.2 仿真信号的分形维数计算 |
| 4.2.3 实测轴承数据分析结果 |
| 4.3 本章小结 |
| 5 基于分形技术的滚动轴承内圈故障预测 |
| 5.1 变标度极差分析法(R/S分析) |
| 5.2 Hurst指数的算法及其意义 |
| 5.3 Vn曲线的计算方法 |
| 5.4 仿真数据分析 |
| 5.4.1 周期性的正弦信号 |
| 5.4.2 随机信号的分析 |
| 5.4.3 介于周期性和随机性之间的信号 |
| 5.5 实测轴承数据数据分析结果 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 7 致谢 |
| 8 参考文献 |
| 9 附录 (攻读硕士期间发表的专利) |
（8）制造装备远程监控故障诊断系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 机械制造装备在国民经济中的重要作用 |
| 1.1.2 机械制造装备故障诊断的意义 |
| 1.1.3 机械制造装备远程故障诊断的意义 |
| 1.2 机械制造装备远程故障诊断研究的主要内容 |
| 1.2.1 监控诊断系统架构研究 |
| 1.2.2 诊断技术方法研究 |
| 1.2.3 远程故障诊断发展趋势 |
| 1.3 制造装备远程故障国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 论文研究内容及结构说明 |
| 1.4.1 课题来源 |
| 1.4.2 研究范畴 |
| 1.4.3 课题特点 |
| 1.4.4 内容安排 |
| 1.5 本章小结 |
| 第2章 远程监控故障诊断系统结构设计 |
| 2.1 远程监控故障诊断系统结构及功能组成 |
| 2.1.1 远程监控故障诊断系统结构 |
| 2.1.2 远程监控故障诊断系统功能组成 |
| 2.2 远程监控故障诊断系统中的关键实现技术 |
| 2.2.1 实时数据服务功能 |
| 2.2.2 融合诊断方法及层次诊断功能 |
| 2.3 本章小结 |
| 第3章 实时数据服务平台技术研究 |
| 3.1 实时数据服务平台结构功能 |
| 3.1.1 数据服务平台结构组成 |
| 3.1.2 RDSP实时事务管理功能 |
| 3.2 实时数据管理模型 |
| 3.2.1 实时数据检索方法选择 |
| 3.2.2 RDSP散列映射表检索实现方法 |
| 3.2.3 历史数据管理功能 |
| 3.3 RDSP实时数据采集提取功能 |
| 3.3.1 制造装备现场信息采集内容 |
| 3.3.2 CNC控制器采集功能实现 |
| 3.3.3 PLC系统采集功能实现 |
| 3.4 实时数据服务功能 |
| 3.4.1 实时数据服务模型 |
| 3.4.2 远程数据服务实现过程 |
| 3.5 本章小结 |
| 第4章 制造装备融合诊断方法研究 |
| 4.1 EMID融合诊断原理 |
| 4.1.1 制造装备故障基本特征 |
| 4.1.2 制造装备诊断的比照特点 |
| 4.1.3 融合层次诊断模型结构 |
| 4.2 基于结构-故障树的诊断知识表述 |
| 4.2.1 原理性诊断知识方法组织 |
| 4.2.2 经验性诊断知识方法组织 |
| 4.2.3 数控机床结构-故障树诊断知识组织过程 |
| 4.2.4 基于结构-故障树的诊断流程 |
| 4.3 基于过程知识引导的故障诊断方法 |
| 4.3.1 装备故障诊断的过程性知识 |
| 4.3.2 CNC装备的诊断过程知识表述 |
| 4.3.3 基于过程性知识引导诊断过程 |
| 4.4 基于特征引导的故障诊断过程 |
| 4.4.1 装备故障的特征知识 |
| 4.4.2 基于特征知识引导的故障诊断原理 |
| 4.4.3 模糊蕴含推理 |
| 4.4.4 特征引导方法实现过程 |
| 4.5 基于数据引导的知识发现及故障诊断 |
| 4.5.1 诊断原理 |
| 4.5.2 诊断知识发现过程 |
| 4.6 本章小结 |
| 第5章 故障诊断系统中层次诊断功能研究 |
| 5.1 现场层基于原理知识实时诊断功能 |
| 5.1.1 现场实时诊断必要性 |
| 5.1.2 实时诊断功能组织 |
| 5.1.3 实时诊断功能实现 |
| 5.2 分布式诊断系统协同模型 |
| 5.2.1 系统结构 |
| 5.2.2 分布式诊断协同管理功能 |
| 5.2.3 协同诊断中的冲突消解 |
| 5.3 协同诊断中的评价机制 |
| 5.3.1 评价因素确定 |
| 5.3.2 模糊层次分析方法 |
| 5.3.3 模糊层次综合评价过程 |
| 5.4 本章小结 |
| 第6章 远程监控故障诊断原型系统实现与应用 |
| 6.1 现场设备信息采集/远程监控功能实现 |
| 6.1.1 CNC设备的信息采集与远程监控 |
| 6.1.2 PLC设备信息的采集与远程监控 |
| 6.2 EMID功能实现 |
| 6.2.1 RDSP服务器功能 |
| 6.2.2 RDSP客户端 |
| 6.2.3 EMID融合诊断功能 |
| 6.2.4 连续过程生产系统远程监控及实时诊断 |
| 6.3 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文及科研情况 |
| 作者简介 |
（9）监测和诊断技术在设备预知维护中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 故障诊断技术的产生和定义 |
| 1.2 故障诊断的目的和意义 |
| 1.3 故障诊断技术的发展概况 |
| 1.3.1 国外发展概况 |
| 1.3.2 国内发展概况 |
| 1.4 故障的诊断方法 |
| 1.5 课题的背景和研究方案 |
| 1.5.1 课题的研究背景 |
| 1.5.2 课题研究的主要内容 |
| 第2章 故障诊断技术基础 |
| 2.1 故障诊断技术理论基础 |
| 2.1.1 信号预处理技术 |
| 2.1.2 时域信号处理技术 |
| 2.1.3 频域信号处理技术 |
| 2.2 实用故障诊断技术 |
| 2.2.1 轴承故障诊断技术 |
| 2.2.2 齿轮箱故障诊断技术 |
| 2.2.3 旋转机械故障诊断技术 |
| 第3章 预知维修在天钢的实施 |
| 3.1 点检的基本概念 |
| 3.2 天钢对开展点检定修制的要求 |
| 3.3 天钢实行点检定修的基础工作 |
| 3.4 天钢实行点检定修的具体步骤 |
| 3.5 天钢设备故障处理流程 |
| 3.6 天钢对点检工作实施的检查和考核 |
| 3.7 天钢设备点检管理的五层防护线 |
| 3.8 点检工作的优化 |
| 第4章 状态监测与诊断技术在天钢的开展 |
| 4.1 设备状态监测和故障诊断的内容和步骤 |
| 4.2 状态监测与诊断技术在天钢的开展 |
| 4.2.1 天钢开展监测与诊断技术的情况简介 |
| 4.2.2 天钢常用监测与诊断仪器 |
| 4.2.3 天钢开展监测与诊断技术的基础工作 |
| 第5章 故障诊断技术在天钢的应用实例 |
| 5.1 MORGAN高速精轧机组故障诊断 |
| 5.1.1 精轧机组26#轧机故障诊断 |
| 5.1.2 精轧机辊环质量问题的故障诊断 |
| 5.1.3 精轧机组增速箱故障诊断 |
| 5.2 齿轮箱故障诊断 |
| 5.2.1 高线厂6V齿轮箱故障诊断 |
| 5.2.2 棒材厂18#轧机齿轮箱故障诊断 |
| 5.3 旋转设备故障诊断 |
| 5.3.1 氧气厂空气透平压缩机故障诊断 |
| 第6章 总结与展望 |
| 6.1 本文的回顾和总结 |
| 6.2 应用中的不足和展望 |
| 参考文献 |
| 致谢 |
（10）基于风险和状态的智能维修决策优化系统及应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 基于风险和状态的智能维修决策系统研究背景 |
| 1.2 基于风险和状态的智能维修决策系统国内外研究现状 |
| 1.2.1 以可靠性为中心的维修(RCM) |
| 1.2.1.1 设备维修模式的发展历史 |
| 1.2.1.2 RCM标准化和应用现状 |
| 1.2.1.3 国外RCM软件及应用现状 |
| 1.2.2 风险管理与维修决策 |
| 1.2.2.1 国外管道完整性管理研究与应用 |
| 1.2.2.2 国外基于风险的设备维修决策研究与应用 |
| 1.2.2.3 国内、外设备绩效指标维修决策研究与应用 |
| 1.2.2.4 设备维修决策支持系统研究现状 |
| 1.2.3 设备管理信息化发展现状及趋势 |
| 1.2.3.1 欧洲工业基于风险的检验和维修程序(RIMAP) |
| 1.2.3.2 RCMO和SAP-ERP系统的融合 |
| 1.2.3.3 北京化工大学基于风险和状态的动态智能维修模式 |
| 1.2.3.4 物联网技术是设备智能维修决策的发展趋势 |
| 1.3 研究的对象、目的和意义 |
| 1.3.1 研究对象 |
| 1.3.2 研究目的 |
| 1.3.3 研究意义 |
| 1.4 论文研究的主要内容和技术路线 |
| 第二章 基于风险的维修软件开发 |
| 2.1 传统的以可靠性为中心的维修原理 |
| 2.1.1 以时间为基础的预防性维修 |
| 2.1.2 潜在故障与功能故障 |
| 2.1.3 隐蔽性功能故障和多重故障 |
| 2.1.4 预防性维修与设备可靠性 |
| 2.1.5 预防性维修与设备故障率 |
| 2.1.6 设备故障后果预防 |
| 2.1.7 预防性维修大纲 |
| 2.1.8 传统RCM工程应用局限性 |
| 2.2 过程工业基于风险的维修 |
| 2.2.1 基于风险的维修研究内容 |
| 2.2.2 基于风险的维修动态修正因子 |
| 2.2.2.1 管理因素评价内容 |
| 2.2.2.2 管理因素修正因子(F_M) |
| 2.2.2.3 个别设备修正因子(F_E) |
| 2.3 基于风险的维修软件开发 |
| 2.3.1 软件特色 |
| 2.3.2 软件功能 |
| 2.3.3 系统功能模块 |
| 2.3.3.1 项目创建功能模块 |
| 2.3.3.2 FMEA功能模块 |
| 2.3.3.3 设备重要度确定功能模块 |
| 2.3.3.4 维修策略制定功能模块 |
| 2.3.3.5 维修任务制定功能模块 |
| 2.4 本章小结 |
| 第三章 基于风险和状态的智能维修决策系统的开发 |
| 3.1 过程工业基于风险和状态的设备完整性管理 |
| 3.1.1 过程工业设备完整性管理内容 |
| 3.1.2 过程工业基于风险和状态的设备智能维修决策系统 |
| 3.2 设备智能维修决策指标模型 |
| 3.2.1 设备的可靠性和维修数据 |
| 3.2.2 RAM指标模型 |
| 3.2.3 设备动态风险等级指标模型 |
| 3.2.4 预知维修指标模型 |
| 3.2.5 设备智能维修决策过程 |
| 3.3 培训 |
| 3.4 基于风险和状态的智能维修决策系统工程应用 |
| 3.5 基于风险和状态的智能维修决策系统实践总结 |
| 3.6 本章小结 |
| 第四章 基于风险和状态的维修任务优化 |
| 4.1 研究背景 |
| 4.2 关键设备的识别和分类 |
| 4.2.1 基于风险和状态的维修决策模型 |
| 4.2.2 RBM定量风险分析 |
| 4.3 预知维修决策指标模型 |
| 4.3.1 基于主成份分析的神经网络故障预测模型 |
| 4.3.2 特征参数故障诊断与预测技术 |
| 4.4 设备管理绩效决策指标模型 |
| 4.4.1 可靠性数据和维修性数据 |
| 4.4.1.1 可靠性数据和维修数据的应用 |
| 4.4.1.2 可靠性数据和维修数据类型 |
| 4.4.2 设备管理绩效指标体系 |
| 4.4.2.1 零部件绩效指标分析 |
| 4.4.2.2 设备绩效指标 |
| 4.4.2.3 装置设备类绩效指标 |
| 4.4.2.4 工厂设备类绩效指标 |
| 4.5 设备可靠性预测 |
| 4.5.1 威布尔分布可靠性预测模型 |
| 4.5.1.1 威布尔分布预测模型 |
| 4.5.1.2 混合威布尔分布模型 |
| 4.5.1.3 混合威布尔分布的EM算法 |
| 4.5.1.4 应用举例 |
| 4.5.2 RAM指标预测模型 |
| 4.5.3 设备剩余工作寿命预测模型 |
| 4.6 基于风险和状态的维修任务优化过程 |
| 4.6.1 关键设备的识别和分类 |
| 4.6.2 选择智能维修决策指标 |
| 4.6.3 维修任务优化 |
| 4.6.3.1 选择维修任务类型 |
| 4.6.3.2 维修任务打包 |
| 4.7 本章小结 |
| 第五章 基于风险和状态的智能维修决策系统锦州石化公司工程应用实践 |
| 5.1 工程应用背景 |
| 5.2 锦州石化公司基于风险和状态的智能维修决策系统集成和应用 |
| 5.2.1 基于风险和状态的智能维修决策系统集成 |
| 5.2.2 预知维修信息系统模块集成 |
| 5.2.3 设备动态风险决策系统模块集成 |
| 5.2.4 设备管理绩效指标决策模块集成 |
| 5.2.5 设备异常状态专业管理 |
| 5.2.6 维修决策和维修任务优化 |
| 5.3 基于风险和状态的维修决策建议 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 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 |
| 博士研究生学位论文答辩委员会决议书 |
四、远程故障诊断技术在设备预知维修系统中的应用研究（论文参考文献）
- [1]基于状态检修的大型臭氧发生器监测系统研究[D]. 丛培坤. 大连理工大学, 2019(02)
- [2]高温真空压合机故障预测与健康管理研究[D]. 胡楠楠. 西安工业大学, 2019
- [3]用友智能工厂设备运维模块优化研究[D]. 张志龙. 河北工业大学, 2019(06)
- [4]乙烯制冷压缩机故障诊断技术研究[D]. 张学斌. 武汉工程大学, 2018(03)
- [5]神东煤炭集团设备润滑管理及油液综合分析技术研究[D]. 周俊丽. 西安建筑科技大学, 2018(06)
- [6]基于分形技术的滚动轴承内圈故障诊断与预测研究[D]. 李海涛. 西安理工大学, 2015(01)
- [7]如何选择风力发电机组的CMS系统[J]. 黄永东. 东方汽轮机, 2012(01)
- [8]制造装备远程监控故障诊断系统研究[D]. 王海. 东北大学, 2012(07)
- [9]监测和诊断技术在设备预知维护中的应用研究[D]. 刘勇. 东北大学, 2011(01)
- [10]基于风险和状态的智能维修决策优化系统及应用研究[D]. 王庆锋. 北京化工大学, 2011(04)