一、中文Windows系统故障的原因分析及对策（论文文献综述）
李鑫[1]（2021）在《铁路机车设备画像理论及关键技术研究》文中研究表明铁路机务专业是铁路运输系统的重要行车专业,主要负责各型机车的运用组织、整备保养和综合检修。作为重要的铁路运输生产设备,机车的运输生产效率、设备质量状态、整备检修能力、安全管理水平等均会对铁路运输生产能力的稳健提升和经营管理工作的稳步发展产生重要影响。随着各种监测检测设备以及各类信息管理系统的广泛应用,围绕机车积累了形式多样的海量数据,数据增量及质量均大幅提升,数据价值日益体现,铁路行业对于完善机车健康管理的需求十分迫切。当前铁路机务专业在进行机车健康管理的过程中,存在分析方法较少、大数据挖掘不足、管理决策科学性较弱、综合分析平台缺失等问题。铁路机车设备画像理论及关键技术研究作为实现机车健康管理的重要手段,致力于加强机车数据资源的整合利用,通过客观、形象、科学的标签体系全面而精准地刻画机车的质量安全状态,并以此为基础深入挖掘潜藏的数据价值,实现机车事故故障关联分析、安全状态预警盯控、质量安全态势预测、检修养护差异化施修、稳健可靠管理决策等目的,支撑起铁路运输生产及质量安全管理工作的科学化、数字化、智能化发展。本文主要对铁路机车设备画像理论及其一系列关键技术进行了研究与应用,取得了以下创新成果:（1）提出了铁路机车设备画像理论。通过梳理机车设备画像的含义及研究意义,明确了构建铁路机车设备画像理论的必要性及其定位。基于此,给出铁路机车设备画像理论的定义与内涵,梳理了符合现阶段机车运输生产管理需要的铁路机车设备画像理论的构成,阐述了关键技术的研究方法及之间的逻辑关系。同时,设计相匹配的应用架构,介绍了其所包含的核心应用、赋能应用、总体目标等6个方面内容。这为系统性地开展机车健康管理相关研究提供了崭新的理论和方法支持。（2）构建了基于设备画像的铁路机车画像标签体系。通过整合利用机车多维度数据,提出了机车设备画像3级标签体系技术架构,全面分析所包含的数据采集层、标签库层和标签应用层,详细阐释各级标签的内容构成,形成机车画像标签体系的构建方法。针对聚类这一标签产生方式,改进K均值（K-means）聚类算法的初始质心选取方法,提高标签获取的精度和稳定性。通过在某铁路局开展机车设备画像实地应用研究,获得了客观、精准、完整、可靠的机车画像。（3）提出了基于Ms Eclat算法的铁路机车事故故障多最小支持度关联规则挖掘方法。针对机车事故故障在关联规则挖掘中具有不同支持度的特点,提出了改进的等价变换类（Eclat）算法——多最小支持度等价变换类（Ms Eclat）算法,以各项目的支持度值为排序依据重新构建数据集,进而运用垂直挖掘思想获得频繁项集;为了进一步提高Ms Eclat算法在大数据分析场景中的执行效率,将布尔矩阵和并行计算编程模型Map Reduce应用于算法的计算过程,得到优化的Ms Eclat算法,设计并阐述了相应的频繁项集挖掘步骤。通过比较,Ms Eclat算法及其优化算法在多最小支持度关联规则挖掘方面有着极大的计算效率优势。通过在某铁路局开展实际应用研究,验证了算法的有效性、高效性和准确性。（4）设计了基于时变概率的PSO+DE混合优化BP神经网络的机车质量安全态势预测模型。通过总结反向传播（BP）神经网络、粒子群优化（PSO）算法和差分进化（DE）算法的原理及优缺点,设计了基于时变概率且融入了防早熟机制的PSO+DE混合优化BP神经网络预测模型,详细阐释了这一预测模型的训练步骤。以某铁路局的机车质量评价办法为依托,选用灰色关联度分析方法选择出运用故障件数、碎修件数等7个评价项点,预测机车未来3个月的质量安全态势。经过实验对比,新提出的预测模型有着更好的收敛能力,对于机车质量评价等级预测及分值变化趋势预测的准确度分别可以达到98%和91%以上。最后开展了实际预测应用及分析,为科学把控机车质量安全态势提供了较好的技术方法。（5）设计了基于铁路机车设备画像理论的铁路机车健康管理应用。通过总结梳理铁路机车健康管理应用与铁路机车设备画像理论及机务大数据三者间的关系,设计了基于铁路机车设备画像理论的铁路机车健康管理应用的“N+1+3”总体架构及其技术架构。基于此,从设备、人员和综合管理3个方面介绍了机车运用组织、机车整备检修、辅助决策分析等7个典型应用场景,并特别给出这些场景的数据挖掘分析思路及框架,为铁路机车设备画像理论的扎实应用奠定了重要基础。最后,将本文所取得的相关研究成果在某铁路局开展实地的铁路机车健康管理应用实践,通过搭建人机友好的应用系统,完成一系列机务大数据挖掘分析算法模型的封装,实现了机车画像标签生成及设备画像分析、机车事故故障关联分析、机车质量评价分析、机车质量安全态势预测分析等多项功能。通过实际的工程应用,实现了铁路机车设备画像理论及其关键技术的创新实践,取得了良好的效果。全文共有图56幅,表21个,参考文献267篇。
李金运[2]（2021）在《基于BIM和IOT技术的地铁运营安全风险管理研究》文中研究表明
牟煜明[3]（2021）在《飞行前故障检测系统的设计与实现》文中认为飞机起飞前巡检是飞机安全保障必要程序,快速完成飞机飞行前的飞控系统健康检查,是提高飞机放飞架次的重要因素,然而飞机飞控系统越来越复杂,飞控系统健康的定位越来越难和排故时间越来越长。对飞机飞行前的故障检测方法的研究,提高飞机故障检测准确率和检测效率,有着重要意义。针对飞机飞控系统的飞行前故障检测技术,本文开展了飞控系统健康管理相关理论研究与应用系统工程实现。本文具体的研究及工作内容如下:（1）针对传统故障排算法不能区分故障的特征重要度,和故障检测准确率,提出了改进的支持向量机故障检测算法。通过改进传统的支持向量机故障检测模型,设计了针对飞机飞控系统故障检测模型,并仿真验证了算法模型性能。（2）针对飞行参数据特征排序问题,研究了梯度提升树故障检测算法。对飞行前故障检测数据样本集进行数据编码,特征排序和特征选择的模型设计。结合提取出的特征,构建基于梯度提升树支持向量机故障检测模型,并开展了模型的仿真验证。（3）研究了人工智能开发工具,完成了飞机飞行前故障检测系统的设计与实现。本文基于Python语言、软件工程技术和设计模式,开展了某飞机飞行前飞控系统故障检测系统的设计与仿真测试验证。本文利用提出的算法模型,开展具体工程中的仿真验证,其故障检测准确度达到88.42%,高于传统判故能力。本系统已应用于某飞机的故障专家诊断系统中,取得了良好的应用效果。
温晋杰[4]（2020）在《空天运输遥操作系统净评估与可信度认定研究》文中研究表明为了统筹经济建设与国防建设协同发展,我国提出了“军民融合”国家战略,其核心是促进军民两个领域双向技术交流。空天运输是军民融合发展的重点领域和先导行业,在空天运输嫦娥系列任务中,一个关键组成部分是地面控制中心通过空天运输遥操作系统推送操控信息实现月面巡视器无人自动巡视和科学就位探测。但是,针对我国空天运输领域信息技术国产、自主和可控的发展需求,我国还没有相当的空天运输遥操作系统设计、实施、测试和维护等方面的质量评估方法、技术、体系和标准,在技术层面还缺乏军民融合准入/准出评估机制。围绕上述研究背景和研究问题,本文应用净评估理论,提出了空天运输遥操作系统系统净评估方法,定量认定了探月工程嫦娥系列任务遥操作系统的可信度,建立了空天运输遥操作系统净评估体系,意图保障嫦娥五号任务万无一失,为空天运输领域军民融合战略落地提供技术保障。本文的主要研究工作和创新点如下:（1）首次将净评估理论引入空天运输领域,提出了利用形式化方法建立空天运输遥操作系统净评估指标体系数学模型,借助自主可控的自动化工具采集系统可信证据,从而实现遥操作系统可信度认定的净评估方法。在嫦娥五号任务联调联试过程中,通过净评估方法准确定位了遥操作系统全生命周期的不可信因素,解决了系统质量不可控的问题,实现了遥操作系统联调联试零差错。（2）以遥操作系统相关的软件过程文档、国家军用标准和空天运输领域特性作为净评估指标来源,利用形式化Z语言构建了遥操作系统净评估指标体系数学模型,保障了评估指标的准确性和全面性,解决了嫦娥四号和嫦娥五号任务遥操作系统净评估指标二义性和需求动态变化的问题,为遥操作系统可信证据自动化采集打下基础。（3）以遥操作系统净评估指标体系数学模型为输入,搭建了国产自主可控的空天运输遥操作系统可信证据自动采集平台。在嫦娥四号任务执行前,该平台自动采集了科学客观的嫦娥四号遥操作系统可信证据,确保了嫦娥四号遥操作任务圆满完成。（4）利用偏差最小化方法提出了层次分析法和熵权法结合的组合赋权法。针对数学理论赋权方法的不实际性问题,在航天信息资源国产化的前提下,借助可视化技术实现了近十年来国家载人航天和探月工程历次航天任务数据的长期保存,完成了净评估前期知识积累。同时,构建了遥操作系统净评估虚拟仿真环境,通过回放和论证净评估过程,实现了工程实践数据持续优化数学理论赋权模型的研究方案,提高了净评估指标赋权的可靠性和可信性。（5）针对空天运输领域信息技术自主可控的核心需求,在Windows和国产麒麟操作系统上完成了探月工程嫦娥系列任务遥操作系统的设计、开发、测试、维护和评估,实现了跨平台且具有自主知识产权的航天任务信息推送平台,为嫦娥系列任务执行提供了安全保障。上述研究成果经探月工程二期实战检验,实现了遥操作系统可信度认定,精准实施并圆满完成了嫦娥三号和嫦娥四号任务,并通过了GJB 9001C-2017武器装备质量管理体系认证,为探月工程后续任务和火星探测任务信息系统的开发、质量评估和改进提供了技术框架。
刘申易[5]（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》文中研究指明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。
罗德应[6]（2020）在《地铁车载信号设备故障自动诊断系统的研究》文中提出随着中国城市的日益发展,中国的城市轨道交通已经普遍应用,地铁成为城市居民日常出行的主要交通工具之一。车载信号设备是列车上的重要设备,关系着行车安全与行车效率。列车的长时间运行以及信号设备的老化,设备不可避免会发生故障,车载信号设备的故障检测处理与地铁的营运息息相关。目前,车载信号设备的维护处于“离线诊断”、“人工诊断”的状态。为了提高车载信号设备故障处理的效率,减少地铁延误运营的可能性,需要建立一套实时车载信号设备故障自动诊断系统。本文提出一种基于Windows消息机制和MSSIM的数据采集方法,构建一种改进的贝叶斯网络结构学习算法和四层的故障诊断模型,在此基础上实现了车载信号设备故障自动诊断系统。本文主要工作如下:故障数据的自动采集是自动诊断的首要步骤,而且也保证了数据的完整性、正确性。首先,针对LZB700M列车信号控制系统,通过扩展采集接口,解决了串口独占使用问题,实现人与计算机交替采集数据;利用Windows消息机制向厂家所提供的车辆诊断程序发送相关消息实现数据的自动采集,并利用MSSIM算法判断故障数据是否采集完成。然后,根据故障与故障症状之间的因果关系,本文设计构建基于贝叶斯网络的四层故障诊断模型,包括设备元件层、B类故障码层、A类故障码层、紧急制动层。该模型由上而下地推理实现预警,由下而上地推理实现诊断。根据故障诊断模型是动态构建的思想,基于K2算法和车载信号设备故障模型的特征,提出一种性能高效的结构学习算法K2Plus。实验结果表明,K2Plus算法在保证正确率的情况下能快速地建立贝叶斯网络结构,从而缩短建模时间,为快速建模提供了基础。最后,设计并实现了车载信号设备故障自动诊断系统,采集端利用Windows消息机制自动采集故障数据并通过FTP上传到服务端,服务端利用MATLAB和FULLBNT工具建立的四层故障诊断模型及时进行故障诊断及预警,客户端通过WCF向服务端交互数据信息,实现了实时的车载信号设备故障自动诊断系统,提高了信号设备故障处理效率,为地铁车载信号设备的维护带来了极大的便利。
陈美秋[7]（2014）在《基于贝叶斯分类算法的医疗器械故障文本挖掘技术的研究》文中进行了进一步梳理现如今,医疗器械成为医院正常运行的重要组成部分,各类医疗器械成为医生的得力助手。然而,医疗器械的故障是经常发生的事情,给医院带来了巨大的损失,给病人带来了不便。面对这样一个困难,作者希望有智能化的过程对医疗器械故障进行处理。因此本文将文本自动分类技术引入医疗器械故障诊断领域,实现对文本的自动分类。论文以短文本的特点,短文本分类的特点、应用前景为切入点展开叙述,引入本文研究的重点—医疗器械故障的维修记录短文本,对此类短文本基于已有的故障类别进行文本自动分类实现。在文本挖掘中有关文本分类的算法很多,本文选择以贝叶斯算法为基础的朴素贝叶斯分类算法来实现。在短文本自动分类器的实现过程中,历经数据的采集、短文本预处理、特征词选择和提取、朴素贝叶斯算法实现,在四个不同阶段,一一克服难题,为短文本分类器的最终实现打下了坚实的数据基础。生产分类器后,利用查全率和查准率指标对生成的短文本分类器的分类效果进行测试和评估。这是文本挖掘技术在医疗器械领域的一大应用。论文进一步在故障分类基础上采用GRI关联算法对不同类别之间的关联性进行分析,这也是本论文的创新之处,通过此关联性分析结果中的置信度和支持度来挖掘、分析不同故障类别的故障之间的关联性强弱问题,期望通过此能给出一套合理的预警机制。
吉书朋[8]（2007）在《基于Windows网络环境的Linux上机考试系统的研究与实现》文中研究表明当前,基于Windows环境的考试系统种类繁多,而且功能全面完善,运行平稳可靠。相对来说,在Linux环境下实现Linux上机操作考核的广为人知的考试系统不多,但也并不很难实现。可是在实际工作中,需要在Windows网络环境下实现Linux上机操作考核。迄今为止,尚未检索到实现这种目标的考试系统。如何满足这种实际应用的迫切要求,顺利实现这一目标,具有十分现实的意义。采用虚拟硬件模式的x86虚拟机技术是实现这一目标的最佳方法。这种技术通过使用虚拟化层,提供了硬件级的虚拟。虚拟机程序为Guest OS（虚拟机操作系统）映像提供了虚拟的Intel x86兼容硬件,每个虚拟机都可以被独立地封装到一个文件中。经过对比和分析,决定使用在Windows系统运行的Virtual PC虚拟机程序来实现这一目标。在Virtual PC中,建立并运行Linux虚拟机实现考试系统。实现宿主机Windows系统和客户机Linux系统（虚拟机）之间的网络共享功能是考试系统实现的关键技术,两种系统必须进行正确的网络设置才能实现该功能。Linux上机操作考试系统划分为四个主要功能模块：登录控制模块、实现试题显示和查看功能的运行模块、评分和收分模块、时间控制和数据保护模块。从Shell Script和系统配置文件的视角,深入地剖析了Linux操作系统的启动过程,进而实现考试系统的登录控制。登录控制模块是考试系统的主要组成模块之一,它是考试系统的入口,必须实现随机抽题功能和登录控制功能,确保考试系统能够安全地运行。这里的技术难点是在虚拟Linux系统启动过程中,如何实现与Windows主机系统的数据共享功能。采用的方法是修改/etc/fstab文件。评分和收分模块也是考试系统的主要组成模块之一,实现数据处理和评分、收分等重要功能。这些功能主要通过shell脚本（Shell Script）编程实现,还涉及到awk和perl语言编程技术。在收分时,如何将Linux系统中的考试结果正确地传输到Windows系统中,是考试系统中的难点和关键技术。经过分析和研究,通过Linux系统中Samba客户功能中的smb协议访问Windows网络共享资源。开发出来的Linux上机操作考试系统经过反复的改进和完善,通过了实际应用的考验,圆满完成了开发任务,实现了预期的目标。
宋立波[9]（1998）在《中文Windows系统故障的原因分析及对策》文中提出 中文Windows是一个多任务的操作系统,它不但允许用户同时打开多个应用程序,而且能够以前后台的方式运行这些程序。可是,在用户的实际操作中,常常也会碰到下列几种系统故障: 1.当按照前后台的方式运行多个大型应用程序时,系统常常会出现“内存不足”的系统故障,并且不能继续执行其它应用程
宋立波[10]（1997）在《中文WINDOWS95/3.X下系统故障现象的原因分析及对策》文中研究说明 中文WINDOWS是一个多任务的操作系统,它允许用户同时打开多个应用程序,并能够以前后台的方式同时来运行。当实际使用时确实按照这种方式运行了多个大型应用系统之后,即使机器中的实际物理空间非常大,系统也会常常出现“内存不足”的故障现象,并且不能继续执行其它应用程序,这在中文WINDOWS3.X系统中比较常见;当执行的应用程序由于某种原因造成非正常中止后,系统往往会出现“应用程序在XXXX:XXXX处发生USER错误”故障现象,有时可能导致整个系统瘫痪;当应用程序调用非法的或受损的动态链接库时就会出现“非法调用动态链接库文件”的故障现象,也可能造成整个系统瘫痪。 上述造成系统瘫痪的问题在中文WINDOWS3.X下比较容易理解,因为中文WINDOWS3.X系统是非抢占式的多任务系统,当应用程序出现故障时系统无法
二、中文Windows系统故障的原因分析及对策（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、中文Windows系统故障的原因分析及对策（论文提纲范文）
（1）铁路机车设备画像理论及关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 前言 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 必要性及可行性分析 |
| 1.2.1 必要性 |
| 1.2.2 可行性 |
| 1.3 本文拟解决的主要问题 |
| 1.4 本文研究的主要内容 |
| 1.5 本文组织架构及技术路线 |
| 1.6 本章小结 |
| 2 国内外研究现状及发展趋势 |
| 2.1 机务大数据研究及应用 |
| 2.1.1 国外 |
| 2.1.2 国内 |
| 2.2 机车检修现状 |
| 2.3 设备画像 |
| 2.3.1 画像的概念 |
| 2.3.2 构成要素 |
| 2.3.3 模型与方法 |
| 2.4 标签技术 |
| 2.4.1 画像标签的定义 |
| 2.4.2 标签分类 |
| 2.4.3 标签构建原则 |
| 2.4.4 标签构建方法 |
| 2.5 设备健康管理 |
| 2.5.1 国外设备健康管理现状 |
| 2.5.2 国内设备健康管理现状 |
| 2.5.3 我国铁路机务专业PHM技术发展差距 |
| 2.6 本章小结 |
| 3 铁路机车设备画像理论 |
| 3.1 机车设备画像概述 |
| 3.2 铁路机车设备画像理论构建 |
| 3.2.1 铁路机车设备画像理论的定义与内涵 |
| 3.2.2 铁路机车设备画像理论的构成 |
| 3.2.3 铁路机车设备画像理论的应用架构 |
| 3.3 本章小结 |
| 4 基于设备画像的铁路机车标签体系构建 |
| 4.1 问题概述 |
| 4.2 面向设备画像的标签技术 |
| 4.3 机车画像标签体系构建 |
| 4.3.1 机车画像标签体系技术架构 |
| 4.3.2 机车画像标签体系 |
| 4.4 基于聚类的机车第三级标签获取方法 |
| 4.4.1 K-means算法 |
| 4.4.2 K-means算法的改进 |
| 4.4.3 K-means算法与改进算法的比较验证 |
| 4.5 机车画像标签体系构建实例 |
| 4.5.1 K-means改进算法的应用 |
| 4.5.2 机车完整标签体系的产生 |
| 4.6 本章小结 |
| 5 基于MsEclat算法的铁路机车事故故障多最小支持度关联规则挖掘 |
| 5.1 问题概述 |
| 5.2 MsEclat算法的背景知识 |
| 5.2.1 垂直格式数据集 |
| 5.2.2 支持度、置信度与提升度 |
| 5.2.3 概念格理论 |
| 5.2.4 多最小支持度下的频繁项集判定 |
| 5.2.5 面向有序项目集合的最小支持度索引表 |
| 5.2.6 基于等价类的可连接性判定 |
| 5.3 MsEclat算法原理 |
| 5.3.1 Eclat算法简述 |
| 5.3.2 改进的Eclat算法—MsEclat算法 |
| 5.4 优化的Ms Eclat算法 |
| 5.4.1 基于布尔矩阵的T_(set)位运算求交 |
| 5.4.2 基于MapReduce的等价类并行运算 |
| 5.4.3 大数据场景下优化的MsEclat算法的频繁项集挖掘步骤 |
| 5.5 算法比较验证 |
| 5.5.1 MsEclat算法与水平挖掘算法的对比 |
| 5.5.2 MsEclat算法与其优化算法的对比 |
| 5.6 机车事故故障关联规则挖掘分析 |
| 5.6.1 待分析项目的选取 |
| 5.6.2 关联规则挖掘结果分析 |
| 5.7 本章小结 |
| 6 基于PSO+DE混合优化BP神经网络的铁路机车质量安全态势预测 |
| 6.1 问题概述 |
| 6.2 机车质量等级评价 |
| 6.3 基于机车质量评价项点的特征选择 |
| 6.3.1 灰色关联度分析 |
| 6.3.2 机车质量等级的比较特征选择 |
| 6.4 PSO+DE混合优化BP神经网络 |
| 6.4.1 BP神经网络原理 |
| 6.4.2 PSO算法原理 |
| 6.4.3 DE算法原理 |
| 6.4.4 基于时变概率的PSO+DE混合优化BP神经网络预测模型 |
| 6.5 机车质量安全态势预测分析 |
| 6.5.1 预测模型训练 |
| 6.5.2 预测模型训练结果分析 |
| 6.5.3 预测模型应用分析 |
| 6.6 本章小结 |
| 7 基于铁路机车设备画像理论的铁路机车健康管理应用总体设计 |
| 7.1 机务大数据与机车健康管理 |
| 7.2 铁路机车健康管理应用设计 |
| 7.2.1 设计目标及定位 |
| 7.2.2 总体架构设计 |
| 7.2.3 技术架构设计 |
| 7.3 铁路机车健康管理应用的典型应用场景分析 |
| 7.3.1 设备质量综合分析 |
| 7.3.2 人员运用综合把控 |
| 7.3.3 运输生产综合管理 |
| 7.4 本章小结 |
| 8 某铁路局机车健康管理应用实践 |
| 8.1 应用开发方案 |
| 8.1.1 系统开发环境 |
| 8.1.2 数据调用方式 |
| 8.1.3 分析模型定时任务调用方式 |
| 8.2 机车数据管理功能 |
| 8.2.1 基本数据管理 |
| 8.2.2 视频数据管理 |
| 8.2.3 机务电子地图 |
| 8.3 机车画像标签生成及分析功能 |
| 8.3.1 机车画像标签管理 |
| 8.3.2 单台机车画像分析 |
| 8.3.3 机车设备画像分析 |
| 8.4 机车事故故障关联分析功能 |
| 8.5 机车质量评价分析功能 |
| 8.5.1 单台机车质量安全分析 |
| 8.5.2 机务段级机车质量安全分析 |
| 8.5.3 机务部级机车质量安全分析 |
| 8.5.4 全局机务专业质量安全综合分析 |
| 8.6 机车质量安全态势预测分析功能 |
| 8.7 本章小结 |
| 9 总结与展望 |
| 9.1 本文总结 |
| 9.2 研究展望 |
| 参考文献 |
| 图索引 |
| FIGURE INDEX |
| 表索引 |
| 学位论文数据集 |
| TABLE INDEX |
| 作者简历及攻读博士学位期间取得的科研成果 |
（3）飞行前故障检测系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 研究历史 |
| 1.2.2 研究现状 |
| 1.3 本文的研究目标和研究内容 |
| 1.4 本论文的结构安排 |
| 第二章 飞行前故障检测相关技术 |
| 2.1 飞控系统介绍 |
| 2.1.1 飞控系统结构组成 |
| 2.1.2 余度机制结构 |
| 2.1.3 飞控系统故障性质 |
| 2.2 支持向量机理论基础 |
| 2.2.1 支持技术 |
| 2.2.2 最优分类面 |
| 2.2.3 支持向量机的模型 |
| 2.2.4 核方法 |
| 2.3 梯度提升树算法理论基础 |
| 2.3.1 CART分类树的生成 |
| 2.3.2 Gradient Boosting与 Gradient Boosting Trees |
| 2.4 本章小结 |
| 第三章 基于支持向量机的故障检测方法 |
| 3.1 支持向量机的故障检测模型设计 |
| 3.1.1 原始数据采集 |
| 3.1.2 数据预处理 |
| 3.1.3 特征提取 |
| 3.1.4 支持向量机模型测试 |
| 3.2 支持向量机故障检测系统构建 |
| 3.3 综合结果分析 |
| 3.3.1 数据来源 |
| 3.3.2 检测结果 |
| 3.4 本章小结 |
| 第四章 基于梯度提升树的故障检测方法 |
| 4.1 特征排序理论基础 |
| 4.1.1 排序学习 |
| 4.1.2 特征排序的评价指标 |
| 4.2 基于梯度提升树算法的特征排序与选择 |
| 4.2.1 故障样本数据编码 |
| 4.2.2 特征信息重要性排序 |
| 4.2.3 基于特征重要性的特征选择 |
| 4.3 基于梯度提升树特征提取的支持向量机模型 |
| 4.3.1 基于梯度提升树特征提取的支持向量机模型设计 |
| 4.3.2 仿真分析 |
| 4.4 故障检测结果比较分析 |
| 4.4.1 模型精度比较分析 |
| 4.4.2 特征提取比较分析 |
| 4.5 本章小结 |
| 第五章 飞行前故障检测系统设计与实现 |
| 5.1 飞行前故障检测系统设计 |
| 5.1.1 总体设计 |
| 5.1.2 方案设计 |
| 5.1.3 故障信息样本数据库模块设计 |
| 5.1.4 故障树模型训练设计 |
| 5.1.5 推理判断功能模块设计 |
| 5.1.6 自学习模块设计 |
| 5.1.7 人机界面模块的设计 |
| 5.2 飞行前故障检测系统实现 |
| 5.2.1 前端界面实现 |
| 5.2.2 特征提取实现 |
| 5.2.3 系统后台实现 |
| 5.3 系统功能与准确率测试分析 |
| 5.3.1 故障数据载入功能测试 |
| 5.3.2 系统检测功能测试 |
| 5.3.3 系统检测准确率测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（4）空天运输遥操作系统净评估与可信度认定研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究目的和意义 |
| 1.2 空天运输遥操作系统发展现状 |
| 1.3 航天信息系统故障导致的灾难 |
| 1.4 信息系统质量评估国内外研究现状 |
| 1.4.1 国外研究现状 |
| 1.4.2 国内研究现状 |
| 1.5 论文研究内容与结构安排 |
| 1.5.1 研究内容 |
| 1.5.2 结构安排 |
| 第二章 遥操作系统净评估理论基础 |
| 2.1 信息系统可信性定义 |
| 2.1.1 面向用户主体的定义 |
| 2.1.2 面向系统客体的定义 |
| 2.2 信息系统质量模型 |
| 2.2.1 面向过程的系统质量模型 |
| 2.2.2 面向产品的系统质量模型 |
| 2.3 信息系统相关的标准 |
| 2.3.1 国际通用标准 |
| 2.3.2 国家军用标准 |
| 2.4 净评估理论 |
| 2.4.1 净评估的内涵及特性 |
| 2.4.2 净评估研究现状 |
| 2.5 探月工程嫦娥系列任务遥操作系统介绍 |
| 2.5.1 业务流程介绍 |
| 2.5.2 质量控制措施 |
| 2.6 遥操作系统净评估要素 |
| 2.6.1 战略自动化 |
| 2.6.2 文本数据挖掘 |
| 2.6.3 形式化方法 |
| 2.6.4 软件测试 |
| 2.7 本章小结 |
| 第三章 遥操作系统净评估指标体系构建及其形式化规约 |
| 3.1 形式化方法—Z语言 |
| 3.2 遥操作系统净评估指标体系结构的形式化规约 |
| 3.3 遥操作系统净评估指标内容及其形式化规约 |
| 3.3.1 软件过程文档 |
| 3.3.2 国家军用软件标准 |
| 3.3.3 空天运输遥操作系统领域特性 |
| 3.4 本章小结 |
| 第四章 遥操作系统可信证据采集平台 |
| 4.1 动态可信证据采集 |
| 4.1.1 功能类可信证据采集 |
| 4.1.2 性能类可信证据采集 |
| 4.2 静态可信证据采集 |
| 4.2.1 源代码类可信证据采集 |
| 4.2.2 文档类可信证据采集 |
| 4.2.3 环境类可信证据采集 |
| 4.3 本章小结 |
| 第五章 净评估指标权重计算 |
| 5.1 指标赋权法 |
| 5.1.1 单一赋权法 |
| 5.1.2 单一赋权法的组合方法 |
| 5.2 遥操作系统净评估指标赋权方法 |
| 5.2.1 AHP和 EWM的组合优化 |
| 5.2.2 不同赋权方法对比指标 |
| 5.3 构建对比判断矩阵的工程方法 |
| 5.3.1 航天信息资源国产化 |
| 5.3.2 航天系列任务信息传承与长期保存 |
| 5.3.3 知识本体构建评估知识库 |
| 5.3.4 空天运输遥操作系统净评估虚拟仿真环境 |
| 5.4 遥操作系统净评估指标赋权 |
| 5.4.1 权重计算 |
| 5.4.2 结果分析 |
| 5.5 本章小结 |
| 第六章 遥操作系统净评估 |
| 6.1 空天运输遥操作系统的设计和实现 |
| 6.1.1 开发环境搭建 |
| 6.1.2 跨平台系统设计 |
| 6.2 嫦娥四号遥操作系统实际工程应用 |
| 6.3 嫦娥五号遥操作系统净评估 |
| 6.4 本章小结 |
| 第七章 结论和展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
| 附录 A Z语言词汇表 |
| 附录 B 探月工程嫦娥系列任务 |
| 附录 C 开源的证据采集工具 |
| 附录 D 常见的指标赋权方法 |
（5）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 |
（6）地铁车载信号设备故障自动诊断系统的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及其意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 轨道交通领域的故障研究现状 |
| 1.2.2 贝叶斯网络研究现状 |
| 1.3 论文的研究内容及章节安排 |
| 1.3.1 本文的研究内容 |
| 1.3.2 本文章节安排 |
| 1.4 本章小结 |
| 第二章 相关技术知识 |
| 2.1 贝叶斯网络 |
| 2.1.1 网络结构学习 |
| 2.1.2 网络参数学习 |
| 2.1.3 网络推理 |
| 2.2 LZB700M列车信号控制系统 |
| 2.2.1 车载信号设备组成 |
| 2.2.2 车载信号设备故障 |
| 2.3 本章小结 |
| 第三章 基于Windows消息机制和MSSIM的故障数据采集 |
| 3.1 Windows消息机制 |
| 3.2 基于MSSIM采集状态检测 |
| 3.3 具有优先级的二对一串口通信机制 |
| 3.4 故障数据自动采集方法 |
| 3.4.1 采集方法 |
| 3.4.2 结果分析 |
| 3.5 本章小结 |
| 第四章 车载信号设备故障诊断 |
| 4.1 故障诊断模型节点的确定 |
| 4.2 故障数据的预处理 |
| 4.2.1 人工数据的预处理 |
| 4.2.2 自动采集数据的预处理 |
| 4.3 基于K2Plus算法的结构学习 |
| 4.4 基于MLE的参数学习 |
| 4.5 车载信号设备的故障诊断与预警 |
| 4.5.1 故障诊断 |
| 4.5.2 故障预警 |
| 4.6 实验分析 |
| 4.7 本章小结 |
| 第五章 车载信号设备故障自动诊断系统的设计与实现 |
| 5.1 系统需求分析 |
| 5.2 故障自动诊断流程 |
| 5.3 系统的架构与功能设计 |
| 5.3.1 采集端设计 |
| 5.3.2 服务端设计 |
| 5.3.3 客户端设计 |
| 5.4 实现效果及说明 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的学位论文 |
| 附录A 部分源码 |
| A.1 部分采集源码 |
| A.2 部分故障诊断源码 |
| A.3 部分服务端数据处理源码 |
（7）基于贝叶斯分类算法的医疗器械故障文本挖掘技术的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 一、研究背景与意义 |
| (一) 研究背景 |
| (二) 研究意义 |
| 二、国内外相关研究现状 |
| (一) 故障诊断的国内外研究现状 |
| (二) 基于文本挖掘的设备故障诊断的研究现状 |
| (三) 医疗器械的故障诊断现状 |
| (四) 文本分类的国内外研究现状 |
| (五) 短文本自动分类国内外研究现状 |
| (六) 研究评价 |
| 三、研究框架 |
| (一) 研究目的 |
| (二) 研究内容 |
| (三) 研究方法 |
| (四) 技术路线 |
| (五) 研究创新 |
| 四、本文的组织结构 |
| 第二章 医疗设备故障诊断技术与文本分类技术 |
| 一、医疗设备故障诊断技术简介 |
| (一) 医疗器械系统故障及故障诊断 |
| 二、短文本分类简介 |
| (一) 短文本分类概述 |
| (二) 短文本分类特点 |
| (三) 短文本分类的应用前景 |
| (四) 短文本分类的流程 |
| 三、本章小结 |
| 第三章 基于贝叶斯的医疗设备故障诊断分类方法 |
| 一、朴素贝叶斯方法在故障诊断中的应用 |
| (一) 贝叶斯算法简介 |
| (二) 朴素贝叶斯分类方法 |
| 二、医疗设备故障诊断分类系统的设计 |
| (一) 文本的预处理 |
| (二) 特征词的选择 |
| (三) 分类器的构建 |
| 三、本章小结 |
| 第四章 医疗器械故障诊断分类的使用和测评 |
| 一、医疗器械故障诊断自动分类的实验环境和数据 |
| (一) 实验环境 |
| (二) 实验数据与实验界面 |
| 二、短文本分类试验效果评估 |
| 三、实验结果与分析 |
| 四、本章小结 |
| 第五章 基于分类的故障关联性分析 |
| 一、关联规则的相关概念 |
| 二、基于分类情况下关联性分析 |
| (一) 故障分类数据的表示 |
| (二) 分类基础上关联算法GRI |
| (三) 分类基础上关联实现与分析 |
| 三、本章小结 |
| 第六章 结论与展望 |
| 一、总结 |
| 二、进一步展望 |
| 参考文献 |
| 致谢 |
（8）基于Windows网络环境的Linux上机考试系统的研究与实现（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 实现背景 |
| 1.1.1 特定的应用需求 |
| 1.1.2 考试系统的发展概况 |
| 1.1.3 关键问题和技术难点 |
| 1.2 系统需求分析 |
| 1.2.1 系统要达到的基本目标 |
| 1.2.2 系统的安全性要求 |
| 1.2.3 系统的可靠性和效率的综合平衡 |
| 1.2.4 系统的易用性的实现 |
| 1.3 论文结构 |
| 第2章 系统的总体设计方案 |
| 2.1 系统的功能描述 |
| 2.1.1 实现登录控制 |
| 2.1.2 实现试题的显示和查看 |
| 2.1.3 实现评分和收分 |
| 2.1.4 实现考试系统的时间控制和数据保护 |
| 2.2 系统的总体结构 |
| 2.2.1 考试系统的登录控制模块 |
| 2.2.2 考试系统的运行模块 |
| 2.2.3 考试系统的评分和收分模块 |
| 2.2.4 考试系统的时间控制和数据保护模块 |
| 2.3 系统的开发工具 |
| 2.3.1 awk语言编程技术 |
| 2.3.2 perl语言编程技术 |
| 第3章 系统的详细设计 |
| 3.1 Linux操作系统的启动过程 |
| 3.2 考试系统主要部分的实现 |
| 3.2.1 考试系统的登录控制 |
| 3.2.2 考试系统的运行 |
| 3.2.3 考试系统评分和收分的实现 |
| 3.2.4 用perl程序实现考试系统评分结果的处理 |
| 3.2.5 考试系统时间控制和数据保护的实现 |
| 第4章 关键问题和难点的分析与对策 |
| 4.1 Linux系统与Windows系统的通信问题 |
| 4.1.1 早期的解决方法 |
| 4.1.2 现在的解决方法 |
| 4.2 Linux系统启动过程中对Windows系统的访问 |
| 4.2.1 早期的解决方法 |
| 4.2.2 现在的解决方法 |
| 4.3 对二次登录问题的控制 |
| 4.4 使用sudo实现用户权限的控制 |
| 4.5 加快Linux操作系统启动速度的探索 |
| 第5章 考试系统的安装、运行与调试 |
| 5.1 Linux镜像文件的制作 |
| 5.1.1 Windows 2000 Professional的系统配置 |
| 5.1.2 虚拟机Virtual PC的安装与配置 |
| 5.1.3 安装和配置Red Hat Linux 7.2虚拟机 |
| 5.1.4 网络通信功能的检查 |
| 5.2 安装中文系统 |
| 5.2.1 Linux系统对中文的支持 |
| 5.2.2 获取zhcon |
| 5.2.3 配置、编译、安装zhcon |
| 5.3 安装考试系统 |
| 5.4 考试系统的调试 |
| 5.4.1 登录的调试 |
| 5.4.2 试题的抽取、显示、评分和收分的调试 |
| 5.4.3 时间控制的调试 |
| 5.4.4 循环运行的调试 |
| 5.5 考试系统的运行 |
| 5.5.1 考试系统的启动 |
| 5.5.2 评分和收分 |
| 5.5.3 循环运行 |
| 5.5.4 最后处理 |
| 5.5.5 使用说明及注意事项 |
| 第6章 总结与展望 |
| 6.1 考试系统的开发总结 |
| 6.2 考试系统的改进和完善 |
| 参考文献 |
| 致谢 |
四、中文Windows系统故障的原因分析及对策（论文参考文献）
- [1]铁路机车设备画像理论及关键技术研究[D]. 李鑫. 中国铁道科学研究院, 2021(01)
- [2]基于BIM和IOT技术的地铁运营安全风险管理研究[D]. 李金运. 中国矿业大学, 2021
- [3]飞行前故障检测系统的设计与实现[D]. 牟煜明. 电子科技大学, 2021(01)
- [4]空天运输遥操作系统净评估与可信度认定研究[D]. 温晋杰. 石家庄铁道大学, 2020(04)
- [5]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)
- [6]地铁车载信号设备故障自动诊断系统的研究[D]. 罗德应. 江苏大学, 2020(02)
- [7]基于贝叶斯分类算法的医疗器械故障文本挖掘技术的研究[D]. 陈美秋. 华东师范大学, 2014(05)
- [8]基于Windows网络环境的Linux上机考试系统的研究与实现[D]. 吉书朋. 东北大学, 2007(03)
- [9]中文Windows系统故障的原因分析及对策[J]. 宋立波. 电脑知识, 1998(01)
- [10]中文WINDOWS95/3.X下系统故障现象的原因分析及对策[J]. 宋立波. 上海微型计算机, 1997(23)