一、信息融合技術(shù)在機(jī)務(wù)工作中的應(yīng)用（論文文獻(xiàn)綜述）
李鑫[1]（2021）在《鐵路機(jī)車設(shè)備畫像理論及關(guān)鍵技術(shù)研究》文中指出鐵路機(jī)務(wù)專業(yè)是鐵路運(yùn)輸系統(tǒng)的重要行車專業(yè),主要負(fù)責(zé)各型機(jī)車的運(yùn)用組織、整備保養(yǎng)和綜合檢修。作為重要的鐵路運(yùn)輸生產(chǎn)設(shè)備,機(jī)車的運(yùn)輸生產(chǎn)效率、設(shè)備質(zhì)量狀態(tài)、整備檢修能力、安全管理水平等均會(huì)對(duì)鐵路運(yùn)輸生產(chǎn)能力的穩(wěn)健提升和經(jīng)營管理工作的穩(wěn)步發(fā)展產(chǎn)生重要影響。隨著各種監(jiān)測(cè)檢測(cè)設(shè)備以及各類信息管理系統(tǒng)的廣泛應(yīng)用,圍繞機(jī)車積累了形式多樣的海量數(shù)據(jù),數(shù)據(jù)增量及質(zhì)量均大幅提升,數(shù)據(jù)價(jià)值日益體現(xiàn),鐵路行業(yè)對(duì)于完善機(jī)車健康管理的需求十分迫切。當(dāng)前鐵路機(jī)務(wù)專業(yè)在進(jìn)行機(jī)車健康管理的過程中,存在分析方法較少、大數(shù)據(jù)挖掘不足、管理決策科學(xué)性較弱、綜合分析平臺(tái)缺失等問題。鐵路機(jī)車設(shè)備畫像理論及關(guān)鍵技術(shù)研究作為實(shí)現(xiàn)機(jī)車健康管理的重要手段,致力于加強(qiáng)機(jī)車數(shù)據(jù)資源的整合利用,通過客觀、形象、科學(xué)的標(biāo)簽體系全面而精準(zhǔn)地刻畫機(jī)車的質(zhì)量安全狀態(tài),并以此為基礎(chǔ)深入挖掘潛藏的數(shù)據(jù)價(jià)值,實(shí)現(xiàn)機(jī)車事故故障關(guān)聯(lián)分析、安全狀態(tài)預(yù)警盯控、質(zhì)量安全態(tài)勢(shì)預(yù)測(cè)、檢修養(yǎng)護(hù)差異化施修、穩(wěn)健可靠管理決策等目的,支撐起鐵路運(yùn)輸生產(chǎn)及質(zhì)量安全管理工作的科學(xué)化、數(shù)字化、智能化發(fā)展。本文主要對(duì)鐵路機(jī)車設(shè)備畫像理論及其一系列關(guān)鍵技術(shù)進(jìn)行了研究與應(yīng)用,取得了以下創(chuàng)新成果:（1）提出了鐵路機(jī)車設(shè)備畫像理論。通過梳理機(jī)車設(shè)備畫像的含義及研究意義,明確了構(gòu)建鐵路機(jī)車設(shè)備畫像理論的必要性及其定位。基于此,給出鐵路機(jī)車設(shè)備畫像理論的定義與內(nèi)涵,梳理了符合現(xiàn)階段機(jī)車運(yùn)輸生產(chǎn)管理需要的鐵路機(jī)車設(shè)備畫像理論的構(gòu)成,闡述了關(guān)鍵技術(shù)的研究方法及之間的邏輯關(guān)系。同時(shí),設(shè)計(jì)相匹配的應(yīng)用架構(gòu),介紹了其所包含的核心應(yīng)用、賦能應(yīng)用、總體目標(biāo)等6個(gè)方面內(nèi)容。這為系統(tǒng)性地開展機(jī)車健康管理相關(guān)研究提供了嶄新的理論和方法支持。（2）構(gòu)建了基于設(shè)備畫像的鐵路機(jī)車畫像標(biāo)簽體系。通過整合利用機(jī)車多維度數(shù)據(jù),提出了機(jī)車設(shè)備畫像3級(jí)標(biāo)簽體系技術(shù)架構(gòu),全面分析所包含的數(shù)據(jù)采集層、標(biāo)簽庫層和標(biāo)簽應(yīng)用層,詳細(xì)闡釋各級(jí)標(biāo)簽的內(nèi)容構(gòu)成,形成機(jī)車畫像標(biāo)簽體系的構(gòu)建方法。針對(duì)聚類這一標(biāo)簽產(chǎn)生方式,改進(jìn)K均值（K-means）聚類算法的初始質(zhì)心選取方法,提高標(biāo)簽獲取的精度和穩(wěn)定性。通過在某鐵路局開展機(jī)車設(shè)備畫像實(shí)地應(yīng)用研究,獲得了客觀、精準(zhǔn)、完整、可靠的機(jī)車畫像。（3）提出了基于Ms Eclat算法的鐵路機(jī)車事故故障多最小支持度關(guān)聯(lián)規(guī)則挖掘方法。針對(duì)機(jī)車事故故障在關(guān)聯(lián)規(guī)則挖掘中具有不同支持度的特點(diǎn),提出了改進(jìn)的等價(jià)變換類（Eclat）算法——多最小支持度等價(jià)變換類（Ms Eclat）算法,以各項(xiàng)目的支持度值為排序依據(jù)重新構(gòu)建數(shù)據(jù)集,進(jìn)而運(yùn)用垂直挖掘思想獲得頻繁項(xiàng)集;為了進(jìn)一步提高M(jìn)s Eclat算法在大數(shù)據(jù)分析場(chǎng)景中的執(zhí)行效率,將布爾矩陣和并行計(jì)算編程模型Map Reduce應(yīng)用于算法的計(jì)算過程,得到優(yōu)化的Ms Eclat算法,設(shè)計(jì)并闡述了相應(yīng)的頻繁項(xiàng)集挖掘步驟。通過比較,Ms Eclat算法及其優(yōu)化算法在多最小支持度關(guān)聯(lián)規(guī)則挖掘方面有著極大的計(jì)算效率優(yōu)勢(shì)。通過在某鐵路局開展實(shí)際應(yīng)用研究,驗(yàn)證了算法的有效性、高效性和準(zhǔn)確性。（4）設(shè)計(jì)了基于時(shí)變概率的PSO+DE混合優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的機(jī)車質(zhì)量安全態(tài)勢(shì)預(yù)測(cè)模型。通過總結(jié)反向傳播（BP）神經(jīng)網(wǎng)絡(luò)、粒子群優(yōu)化（PSO）算法和差分進(jìn)化（DE）算法的原理及優(yōu)缺點(diǎn),設(shè)計(jì)了基于時(shí)變概率且融入了防早熟機(jī)制的PSO+DE混合優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,詳細(xì)闡釋了這一預(yù)測(cè)模型的訓(xùn)練步驟。以某鐵路局的機(jī)車質(zhì)量評(píng)價(jià)辦法為依托,選用灰色關(guān)聯(lián)度分析方法選擇出運(yùn)用故障件數(shù)、碎修件數(shù)等7個(gè)評(píng)價(jià)項(xiàng)點(diǎn),預(yù)測(cè)機(jī)車未來3個(gè)月的質(zhì)量安全態(tài)勢(shì)。經(jīng)過實(shí)驗(yàn)對(duì)比,新提出的預(yù)測(cè)模型有著更好的收斂能力,對(duì)于機(jī)車質(zhì)量評(píng)價(jià)等級(jí)預(yù)測(cè)及分值變化趨勢(shì)預(yù)測(cè)的準(zhǔn)確度分別可以達(dá)到98%和91%以上。最后開展了實(shí)際預(yù)測(cè)應(yīng)用及分析,為科學(xué)把控機(jī)車質(zhì)量安全態(tài)勢(shì)提供了較好的技術(shù)方法。（5）設(shè)計(jì)了基于鐵路機(jī)車設(shè)備畫像理論的鐵路機(jī)車健康管理應(yīng)用。通過總結(jié)梳理鐵路機(jī)車健康管理應(yīng)用與鐵路機(jī)車設(shè)備畫像理論及機(jī)務(wù)大數(shù)據(jù)三者間的關(guān)系,設(shè)計(jì)了基于鐵路機(jī)車設(shè)備畫像理論的鐵路機(jī)車健康管理應(yīng)用的“N+1+3”總體架構(gòu)及其技術(shù)架構(gòu)?；诖?從設(shè)備、人員和綜合管理3個(gè)方面介紹了機(jī)車運(yùn)用組織、機(jī)車整備檢修、輔助決策分析等7個(gè)典型應(yīng)用場(chǎng)景,并特別給出這些場(chǎng)景的數(shù)據(jù)挖掘分析思路及框架,為鐵路機(jī)車設(shè)備畫像理論的扎實(shí)應(yīng)用奠定了重要基礎(chǔ)。最后,將本文所取得的相關(guān)研究成果在某鐵路局開展實(shí)地的鐵路機(jī)車健康管理應(yīng)用實(shí)踐,通過搭建人機(jī)友好的應(yīng)用系統(tǒng),完成一系列機(jī)務(wù)大數(shù)據(jù)挖掘分析算法模型的封裝,實(shí)現(xiàn)了機(jī)車畫像標(biāo)簽生成及設(shè)備畫像分析、機(jī)車事故故障關(guān)聯(lián)分析、機(jī)車質(zhì)量評(píng)價(jià)分析、機(jī)車質(zhì)量安全態(tài)勢(shì)預(yù)測(cè)分析等多項(xiàng)功能。通過實(shí)際的工程應(yīng)用,實(shí)現(xiàn)了鐵路機(jī)車設(shè)備畫像理論及其關(guān)鍵技術(shù)的創(chuàng)新實(shí)踐,取得了良好的效果。全文共有圖56幅,表21個(gè),參考文獻(xiàn)267篇。
秦鐸[2]（2020）在《貨運(yùn)列車安全數(shù)據(jù)一體化集成模型研究與應(yīng)用》文中研究指明我國鐵路貨運(yùn)事業(yè)發(fā)展迅猛,呈現(xiàn)出重載、提速的趨勢(shì),對(duì)貨物運(yùn)輸安全性提出了更高的挑戰(zhàn)和要求。及時(shí)有效的信息共享,專業(yè)全面的數(shù)據(jù)集成是實(shí)現(xiàn)貨運(yùn)安全的基本保障。貨運(yùn)安全涉及車、機(jī)、工、電、輛等多專業(yè)部門協(xié)作,信息系統(tǒng)分類繁雜、缺乏統(tǒng)一規(guī)劃,數(shù)據(jù)標(biāo)準(zhǔn)不一、數(shù)據(jù)質(zhì)量參差不齊,數(shù)據(jù)信息傳輸效率較低,存在著數(shù)據(jù)異構(gòu)等信息孤島問題。由于列車是經(jīng)編組產(chǎn)生的,安全監(jiān)管的重點(diǎn)是對(duì)貨物運(yùn)輸過程管控,是圍繞列車生命周期展開的,因此本文以貨運(yùn)列車為對(duì)象,開展安全數(shù)據(jù)集成的研究。研究重點(diǎn)集中在列車對(duì)象安全數(shù)據(jù)集的確定、信息模型的構(gòu)建以及元數(shù)據(jù)的管理方面,并將由信息模型和元數(shù)據(jù)模型組成的一體化集成模型應(yīng)用到集成平臺(tái)的構(gòu)建中。首先對(duì)列車生命周期過程中相關(guān)業(yè)務(wù)領(lǐng)域的信息系統(tǒng)建設(shè)現(xiàn)狀,以及數(shù)據(jù)特點(diǎn)進(jìn)行分析,提出當(dāng)前存在的數(shù)據(jù)利用問題,進(jìn)一步提出通過信息模型和元數(shù)據(jù)管理輔助數(shù)據(jù)集成的需求。其次,通過對(duì)業(yè)務(wù)領(lǐng)域的分析,確定列車對(duì)象安全數(shù)據(jù)集,并建立可以通用于各業(yè)務(wù)系統(tǒng)的貨運(yùn)列車對(duì)象信息模型,通過信息模型定義統(tǒng)一的數(shù)據(jù)視圖,清晰展現(xiàn)數(shù)據(jù)對(duì)象之間的關(guān)聯(lián)關(guān)系,進(jìn)而規(guī)范數(shù)據(jù)之間的交互流轉(zhuǎn)。同時(shí),從數(shù)據(jù)本身的信息解釋出發(fā),構(gòu)建元數(shù)據(jù)模型,通過元數(shù)據(jù)的管理為數(shù)據(jù)集成提供描述信息和統(tǒng)一標(biāo)準(zhǔn)。由信息模型和元數(shù)據(jù)模型結(jié)合形成一體化集成模型的概念,通過一體化集成模型,確保集成數(shù)據(jù)的一致性和數(shù)據(jù)的質(zhì)量。最后,構(gòu)建實(shí)時(shí)動(dòng)態(tài)顯示的列車對(duì)象安全數(shù)據(jù)的一體化集成平臺(tái),將一體化集成模型的理念應(yīng)用于平臺(tái)的設(shè)計(jì)中,利用信息模型指導(dǎo)集成過程及集成平臺(tái)的數(shù)據(jù)模型建設(shè),并通過元數(shù)據(jù)的管理對(duì)數(shù)據(jù)的內(nèi)容和使用方法進(jìn)行描述和規(guī)范,使得集成的數(shù)據(jù)不只是簡(jiǎn)單的物理匯聚,更重要的是統(tǒng)一數(shù)據(jù)的來源、明確數(shù)據(jù)的含義以及屬性約束的信息,在集成的同時(shí)保證數(shù)據(jù)的正確理解、使用,實(shí)現(xiàn)數(shù)據(jù)的一體化集成。通過集成平臺(tái),促進(jìn)列車對(duì)象安全數(shù)據(jù)的統(tǒng)一監(jiān)測(cè),從而在發(fā)現(xiàn)問題時(shí)及時(shí)將數(shù)據(jù)共享給各專業(yè)部門,保證貨物運(yùn)輸?shù)陌踩?/p>
任杰[3]（2020）在《基于多維指標(biāo)的空管服務(wù)過程質(zhì)量管控研究》文中認(rèn)為科學(xué)評(píng)價(jià)空管中交通管制運(yùn)行質(zhì)量,是確定管制運(yùn)行策略、從而改善管制運(yùn)行狀況,避免不安全事件發(fā)生的前提和關(guān)鍵所在。隨著民用航空業(yè)的快速發(fā)展,空中交通管制系統(tǒng)面臨的挑戰(zhàn)也日益增多,如交通擁擠、管制負(fù)荷增加,管制難度提升等都會(huì)影響到空中交通管制系統(tǒng)的運(yùn)行質(zhì)量,而運(yùn)行質(zhì)量又能反作用于航空活動(dòng)能否安全、高效的開展。因此,研究空管服務(wù)過程的質(zhì)量管控技術(shù)和方法是滿足空管的實(shí)際需要、促進(jìn)空管科學(xué)發(fā)展的有效途徑,具有理論和現(xiàn)實(shí)意義。本文在分析了國內(nèi)外關(guān)于空管服務(wù)過程質(zhì)量評(píng)價(jià)的現(xiàn)狀與進(jìn)展后,集中對(duì)于三個(gè)方面展開討論。首先在研究空管服務(wù)過程理論基礎(chǔ)上,從人機(jī)環(huán)管四個(gè)方面結(jié)合實(shí)地調(diào)研、專家咨詢、問卷調(diào)查等手段確定出運(yùn)行經(jīng)濟(jì)、運(yùn)行安全、運(yùn)行效率、運(yùn)行負(fù)荷四個(gè)維度方向上的運(yùn)行質(zhì)量進(jìn)行評(píng)估確定。其次簡(jiǎn)要介紹了空管系統(tǒng)及整個(gè)運(yùn)行過程,對(duì)空管QMS需求進(jìn)行了分析;在理論研究的前提下,對(duì)運(yùn)行經(jīng)濟(jì)建立了結(jié)合Fuzzy-ANP質(zhì)量評(píng)估模型計(jì)算運(yùn)行經(jīng)濟(jì)評(píng)估得分;其次建立空管安全質(zhì)量指標(biāo)體系,基于模糊灰元模型對(duì)運(yùn)行安全進(jìn)行質(zhì)量評(píng)估;然后建立空管運(yùn)行效率指標(biāo)體系,運(yùn)用主成分分析及層次聚類分析法簡(jiǎn)化指標(biāo)后利用灰色聚類對(duì)運(yùn)行效率完成評(píng)估,利用SPSS數(shù)據(jù)分析軟件實(shí)現(xiàn)結(jié)果計(jì)算;最后基于現(xiàn)有的人臉識(shí)別技術(shù),通過眼部和口部數(shù)據(jù)融合來對(duì)管制員的工作負(fù)荷進(jìn)行判定,同時(shí)設(shè)計(jì)了基于人眼球閉合時(shí)間判斷工作負(fù)荷的管制員負(fù)荷提示系統(tǒng),防止因疲勞工作造成管制質(zhì)量的降低。結(jié)果表明通過評(píng)估驗(yàn)證本文建立的多維指標(biāo)體系和評(píng)估模型能較好滿足空管服務(wù)過程的質(zhì)量評(píng)估要求。
寇旭[4]（2018）在《飛機(jī)液壓系統(tǒng)故障特性分析及故障診斷使用技術(shù)研究》文中研究說明飛機(jī)液壓系統(tǒng)的安全運(yùn)行是保證飛行安全的重要條件,通過對(duì)ARJ21型飛機(jī)近年來飛行故障記錄發(fā)現(xiàn),飛機(jī)液壓系統(tǒng)故障安全隱患問題較多,存在在空中液壓油全部滲漏的現(xiàn)象,會(huì)對(duì)飛機(jī)運(yùn)行的安全性產(chǎn)生嚴(yán)重影響。本論文在對(duì)液壓系統(tǒng)故障隱患類型及其關(guān)鍵影響因素分析基礎(chǔ)上,詳細(xì)針對(duì)國產(chǎn)ARJ21-700型飛機(jī)液壓系統(tǒng)故障的特點(diǎn)、分類以及各種作用因素（包括內(nèi)在使用因素和外在環(huán)境因素）對(duì)該型飛機(jī)液壓系統(tǒng)狀態(tài)的影響展開了詳細(xì)的分析和討論。主要研究內(nèi)容如下:在對(duì)ARJ21型飛機(jī)液壓系統(tǒng)運(yùn)行信息及大量歷史故障案例收集及歸類分析的基礎(chǔ)上,對(duì)液壓系統(tǒng)運(yùn)行過程中的主要故障隱患類型及相互邏輯關(guān)系進(jìn)行了分析,建立事故樹模型,并進(jìn)行定性定量分析,確定影響液壓系統(tǒng)安全性的關(guān)鍵因素。對(duì)液壓系統(tǒng)故障隱患實(shí)時(shí)預(yù)警及處理方法進(jìn)行研究。通過對(duì)液壓監(jiān)測(cè)系統(tǒng)的歷史數(shù)據(jù)、監(jiān)測(cè)參數(shù)及閾值的收集分析,研究基于粗糙集理論的決策信息系統(tǒng)結(jié)構(gòu)、離散化方法及可辨識(shí)矩陣與值約簡(jiǎn)的屬性約簡(jiǎn)算法,建立液壓系統(tǒng)預(yù)警決策規(guī)則獲取方法。將該飛機(jī)液壓系統(tǒng)作為主要研究對(duì)象,通過屬性約簡(jiǎn)和規(guī)則提取的實(shí)施,全方面分析故障存在的隱患原因,提出相應(yīng)處理對(duì)策。對(duì)該型飛機(jī)液壓系統(tǒng)故障特性進(jìn)行了綜合分析,在對(duì)故障隱患人工檢查的日常維護(hù)要求基礎(chǔ)上,研究了故障隱患存在時(shí)的征兆、形成的原因以及相應(yīng)的處理對(duì)策,建立了基于征兆的故障隱患人工處理方法,從而為加強(qiáng)日常管理,降低安全隱患的發(fā)生,建立了液壓系統(tǒng)人工檢查及管理機(jī)制,完善了維護(hù)保障工作的規(guī)程。采用模糊數(shù)學(xué)的方法,在飛機(jī)液壓系統(tǒng)故障診斷過程中,將維修人員依據(jù)工作原理和工作經(jīng)驗(yàn)建立的故障認(rèn)知度轉(zhuǎn)化為“隸屬度”的概念,從而將其量化,建立故障診斷的數(shù)學(xué)模型,并進(jìn)一步通過計(jì)算,找出最有可能的故障點(diǎn),提高了排故的效率。
趙朝棟[5]（2018）在《基于云平臺(tái)的機(jī)車監(jiān)控視頻管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)》文中研究說明鐵路機(jī)車監(jiān)控視頻記錄了機(jī)車司機(jī)操作的詳細(xì)信息,是機(jī)務(wù)段工作人員對(duì)機(jī)車司機(jī)的違規(guī)操作行為進(jìn)行評(píng)估的重要依據(jù)。機(jī)車監(jiān)控視頻具有數(shù)據(jù)量大、結(jié)構(gòu)復(fù)雜和格式不統(tǒng)一等特性,傳統(tǒng)的監(jiān)控視頻管理模式無法滿足機(jī)務(wù)段管理部門對(duì)機(jī)車監(jiān)控視頻進(jìn)行便捷、集中、統(tǒng)一化管理的需求。本課題針對(duì)鐵路機(jī)車監(jiān)控視頻管理存在的問題,設(shè)計(jì)并實(shí)現(xiàn)了基于云平臺(tái)的機(jī)車監(jiān)控視頻管理系統(tǒng)。主要工作包括:（1）基于系統(tǒng)功能需求分析,完成用例圖、活動(dòng)圖設(shè)計(jì),并進(jìn)行了系統(tǒng)可行性分析。從系統(tǒng)架構(gòu)、系統(tǒng)拓?fù)浣Y(jié)構(gòu)、系統(tǒng)功能和系統(tǒng)數(shù)據(jù)庫四個(gè)方面進(jìn)行了系統(tǒng)總體設(shè)計(jì)。（2）基于B/S模式、采用SSM框架實(shí)現(xiàn)了PC客戶端,為機(jī)務(wù)段管理人員提供了查看機(jī)車監(jiān)控視頻、記錄審核機(jī)車司機(jī)違規(guī)行為、截取機(jī)車司機(jī)違規(guī)行為視頻片段并存檔、管理機(jī)車司機(jī)信息等功能。為了方便管理者和機(jī)車司機(jī)查看相關(guān)信息,實(shí)現(xiàn)了基于Android的移動(dòng)客戶端。（3）研究海量機(jī)車監(jiān)控視頻數(shù)據(jù)的上傳、處理、存儲(chǔ)、檢索、下載等相關(guān)關(guān)鍵技術(shù),深入探討了分布式轉(zhuǎn)碼、視頻加密、云存儲(chǔ)和流媒體服務(wù)等服務(wù)器端核心功能模塊的實(shí)現(xiàn)技術(shù)。針對(duì)鐵路機(jī)車監(jiān)控視頻的格式多樣并且數(shù)據(jù)量龐大的特點(diǎn),設(shè)計(jì)了基于“MapReduce”計(jì)算模型的分布式并行轉(zhuǎn)碼解決方案,有效提高了視頻轉(zhuǎn)碼效率,并通過實(shí)驗(yàn)進(jìn)行了驗(yàn)證。為提高監(jiān)控視頻數(shù)據(jù)存儲(chǔ)的安全性,基于關(guān)鍵幀加密策略,采用CP-ABE加密算法,對(duì)轉(zhuǎn)碼后的關(guān)鍵幀數(shù)據(jù)進(jìn)行了加密處理,并通過實(shí)驗(yàn)分析,證明所選用加密策略能夠有效減少加密數(shù)據(jù)量。為了提供流暢、穩(wěn)定的監(jiān)控視頻查看功能,采用DSS開源技術(shù)實(shí)現(xiàn)了RTSP流媒體服務(wù)器。
謝燕雯[6]（2018）在《基于隱馬爾可夫過程的機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)預(yù)測(cè)方法研究》文中進(jìn)行了進(jìn)一步梳理隨著民航機(jī)場(chǎng)客貨運(yùn)輸量的迅速增長,定期航線密布,機(jī)場(chǎng)的運(yùn)行效率和服務(wù)能力受到空前挑戰(zhàn),從整體上對(duì)機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)進(jìn)行感知和預(yù)測(cè)是十分必要的,但是在整體感知的同時(shí)了解機(jī)場(chǎng)系統(tǒng)的內(nèi)部結(jié)構(gòu)能更有效地解決問題。針對(duì)內(nèi)部結(jié)構(gòu)預(yù)測(cè)問題,論文基于隱馬爾可夫模型HHM構(gòu)建機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)的預(yù)測(cè)模型。從航班保障、機(jī)場(chǎng)核心資源利用效率和起降效率三個(gè)方面選取機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)的影響因素,確定進(jìn)港時(shí)間平均偏離值、出港時(shí)間平均偏離值、保障完成時(shí)間平均偏離值、目標(biāo)撤輪擋時(shí)間準(zhǔn)確率、計(jì)算起飛時(shí)間準(zhǔn)確率、跑道利用率、滑行道利用效率、機(jī)位使用效率、起飛架次和降落架次等十個(gè)指標(biāo)作為機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)的關(guān)鍵影響因素,計(jì)算分析提取的關(guān)鍵影響因素。層次化機(jī)場(chǎng)運(yùn)行態(tài)勢(shì),應(yīng)用模糊層次分析法FAHP方法確定各層級(jí)的權(quán)重,明確機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)的態(tài)勢(shì)值的定義及計(jì)算,通過問卷調(diào)查將機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)值和十個(gè)關(guān)鍵影響因素的值劃分為三個(gè)等級(jí)（等級(jí)1、等級(jí)2和等級(jí)3）,應(yīng)用FAHP和Fine Kinney相結(jié)合的方法評(píng)估十個(gè)關(guān)鍵影響因素的風(fēng)險(xiǎn)?；贖MM建立機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)預(yù)測(cè)模型,闡述預(yù)測(cè)原理,預(yù)測(cè)機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)的態(tài)勢(shì)等級(jí)和機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)的內(nèi)部結(jié)構(gòu)（即十個(gè)關(guān)鍵影響因素的等級(jí)）,驗(yàn)證預(yù)測(cè)結(jié)果的準(zhǔn)確性和誤差。以國內(nèi)某樞紐機(jī)場(chǎng)為例,應(yīng)用構(gòu)建的預(yù)測(cè)模型,預(yù)測(cè)機(jī)場(chǎng)運(yùn)行態(tài)勢(shì),并評(píng)估預(yù)測(cè)結(jié)果,對(duì)比HMM、自回歸移動(dòng)平均模型和灰色馬爾可夫模型三種預(yù)測(cè)方法的準(zhǔn)確率和誤差。論文提出的HMM預(yù)測(cè)模型不僅能從整體上預(yù)測(cè)機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)的態(tài)勢(shì)值,還能預(yù)測(cè)其內(nèi)部結(jié)構(gòu),更適用于民用航空新形勢(shì)下機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)的預(yù)測(cè)。
葉軍暉,馬雙云[7]（2017）在《民用飛機(jī)智能化航電系統(tǒng)淺析》文中指出航電系統(tǒng)是現(xiàn)代民用飛機(jī)的重要組成部分,本文簡(jiǎn)要介紹了民用飛機(jī)航電系統(tǒng),重點(diǎn)詳細(xì)介紹了基于智能化航電系統(tǒng)的綜合模塊化航空電子技術(shù)、先進(jìn)導(dǎo)航與監(jiān)視技術(shù)、先進(jìn)顯示技術(shù)以及空地一體化技術(shù)。智能化航電系統(tǒng)旨在降低飛行機(jī)組和維護(hù)人員的工作負(fù)擔(dān),實(shí)現(xiàn)民用飛機(jī)的智能駕駛和智能維護(hù),對(duì)于民用飛機(jī)航電系統(tǒng)的設(shè)計(jì)與研究具有參考價(jià)值與指導(dǎo)意義。
艾春安,奉非東,李劍,蔡笑風(fēng),劉凱旋,佟昭,韓兆林[8]（2017）在《固體火箭發(fā)動(dòng)機(jī)質(zhì)量綜合評(píng)價(jià)方法綜述》文中研究說明本文對(duì)固體火箭發(fā)動(dòng)機(jī)質(zhì)量綜合評(píng)價(jià)方法的研究現(xiàn)狀和進(jìn)展進(jìn)行了系統(tǒng)性總結(jié)綜述,回顧了綜合評(píng)價(jià)理論的發(fā)展,并對(duì)武器系統(tǒng)的評(píng)價(jià)理論進(jìn)行了討論,總結(jié)了固體火箭發(fā)動(dòng)機(jī)質(zhì)量綜合評(píng)價(jià)方法研究取得的成果及存在的不足。
唐建生[9]（2017）在《電力機(jī)車主變壓器故障診斷算法研究與系統(tǒng)設(shè)計(jì)》文中認(rèn)為主變壓器作為鐵路電力機(jī)車上重要的供電設(shè)備,它的安全可靠對(duì)于保障電力機(jī)車的正常運(yùn)行有著重要作用。研究并建立電力機(jī)車主變壓器故障診斷系統(tǒng),幫助檢修人員快速有效地診斷主變壓器的故障并制定故障處理的方案,有利于降低主變壓器在運(yùn)行中發(fā)生故障的可能性,對(duì)于保障鐵路運(yùn)輸?shù)陌踩兄匾饬x。隨著我國鐵路運(yùn)輸事業(yè)不斷發(fā)展,傳統(tǒng)的主變壓器故障診斷方法已經(jīng)不能很好地滿足鐵路機(jī)務(wù)生產(chǎn)現(xiàn)代化建設(shè)的需要。因此,本文根據(jù)電力機(jī)車主變壓器的故障特點(diǎn),結(jié)合二叉樹支持向量機(jī)和案例檢索相關(guān)理論建立了電力機(jī)車主變壓器故障診斷系統(tǒng)。通過本系統(tǒng),提高了鐵路機(jī)務(wù)部門進(jìn)行電力機(jī)車主變壓器故障診斷的效率和質(zhì)量。主要研究工作如下:（1）對(duì)變壓器油中溶解氣體的產(chǎn)生機(jī)理進(jìn)行了介紹,分析了變壓器的故障類型與溶解氣體之間的關(guān)系,并且闡述了基于油中溶解氣體分析的電力機(jī)車主變壓器故障診斷方法,論證了開展智能診斷方法研究的必要性。（2）針對(duì)電力機(jī)車主變壓器故障具有非線性、少樣本的特點(diǎn),在主變壓器的故障診斷過程中引入了基于二叉樹支持向量機(jī)的診斷模型。為了降低二叉樹支持向量機(jī)模型的累積誤差,本文利用了模糊核聚類算法來生成二叉樹的結(jié)構(gòu)。在對(duì)支持向量機(jī)的訓(xùn)練中,采用了k折交叉驗(yàn)證和遺傳算法來搜索最佳的參數(shù)組合,以提高支持向量機(jī)的分類精度。實(shí)驗(yàn)證明,本文方法比一對(duì)一支持向量機(jī)、一對(duì)多支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)以及改良三比值法具有更高的診斷準(zhǔn)確率。（3）設(shè)計(jì)了電力機(jī)車主變壓器故障案例庫,介紹了案例表示和案例組織的方式。在分析了幾種常用的案例檢索算法之后,采用了加權(quán)KNN（k-Nearest Neighbor,簡(jiǎn)稱KNN）算法來檢索主變壓器的故障案例,并結(jié)合多級(jí)分層索引模型設(shè)計(jì)了案例檢索的基本流程。（4）基于Microsoft.NET Framework 4.0開發(fā)平臺(tái)以及Microsoft SQL Server2008數(shù)據(jù)庫,采用ASP.net軟件開發(fā)技術(shù),研發(fā)了基于B/S模式的電力機(jī)車主變壓器故障診斷系統(tǒng)。
謝志鵬[10]（2016）在《基于信息融合的車輛安全監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究》文中研究指明改革開放之后,我國社會(huì)經(jīng)濟(jì)快速發(fā)展,伴隨著日益增長的交通運(yùn)輸市場(chǎng)需求,鐵路建設(shè)得到了前所未有的迅猛發(fā)展。在快速發(fā)展的鐵路運(yùn)輸中,運(yùn)輸安全一直是鐵路工作的生命線,加之最近十幾年來高速鐵路飛速發(fā)展,新型技術(shù)和裝備大量投入使用,對(duì)鐵路車輛安全運(yùn)行提出了更高的要求。為此,通過加強(qiáng)安全風(fēng)險(xiǎn)管理、增強(qiáng)車輛保障措施以及研發(fā)車輛安全監(jiān)控系統(tǒng),以提高鐵路車輛安全運(yùn)行的能力?，F(xiàn)代信息技術(shù)和數(shù)據(jù)融合算法的出現(xiàn),為鐵路車輛安全監(jiān)控系統(tǒng)的實(shí)施提供了理論保障。在深入分析鐵路車輛運(yùn)行參數(shù)特征的基礎(chǔ)上,提出了一種基于多參數(shù)的信息融合算法,將計(jì)算結(jié)果服務(wù)于車輛安全監(jiān)控系統(tǒng)。一方面提高了單一參數(shù)檢測(cè)結(jié)果的準(zhǔn)確性、可用性以及穩(wěn)定性,另一方面有助于提升車輛安全運(yùn)行的能力。（1）鐵路車輛安全監(jiān)控系統(tǒng)的單點(diǎn)信息存在錯(cuò)報(bào)和誤報(bào),影響鐵路車輛安全監(jiān)控系統(tǒng)的報(bào)警準(zhǔn)確性,致使集中單點(diǎn)信息所完成的目標(biāo)決策受到影響,論文提出多源信息融合方法應(yīng)用于監(jiān)控系統(tǒng)以提高報(bào)警決策的準(zhǔn)確性。（2）利用已有的檢測(cè)設(shè)備,構(gòu)建了區(qū)域信號(hào)檢測(cè)傳感網(wǎng)。信號(hào)通過有線和無線網(wǎng)絡(luò)上傳到車輛安全監(jiān)控公共服務(wù)平臺(tái),從而實(shí)現(xiàn)了檢測(cè)信息共享。方便各崗位管理人員實(shí)時(shí)了解車輛狀態(tài),保證車輛正常運(yùn)作,提高系統(tǒng)綜合應(yīng)用水平。（3）對(duì)鐵路車輛典型故障運(yùn)用信息融合診斷技術(shù)進(jìn)行分析,以車輛熱軸綜合報(bào)警為研究重點(diǎn),設(shè)計(jì)5T檢測(cè)信息融合處理方案,驗(yàn)證了紅外線熱軸報(bào)警的準(zhǔn)確性。（4）根據(jù)融合算法得到的貨車輪對(duì)踏面損傷預(yù)報(bào)、車輛造修和檢測(cè)設(shè)備質(zhì)量評(píng)價(jià)結(jié)果,參與設(shè)置和調(diào)整了機(jī)車車輛檢修資源配置,完善了多層級(jí)的鐵路車輛安全監(jiān)控系統(tǒng)的信息融合應(yīng)用模式,為車、機(jī)、工、電、輛多部門的協(xié)同建模奠定了基礎(chǔ)。
二、信息融合技術(shù)在機(jī)務(wù)工作中的應(yīng)用（論文開題報(bào)告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡(jiǎn)單簡(jiǎn)介論文所研究問題的基本概念和背景，再而簡(jiǎn)單明了地指出論文所要研究解決的具體問題，并提出你的論文準(zhǔn)備的觀點(diǎn)或解決方法。
寫法范例：
本文主要提出一款精簡(jiǎn)64位RISC處理器存儲(chǔ)管理單元結(jié)構(gòu)并詳細(xì)分析其設(shè)計(jì)過程。在該MMU結(jié)構(gòu)中,TLB采用叁個(gè)分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲(chǔ)器并行查找,支持粗粒度為64KB和細(xì)粒度為4KB兩種頁面大小,采用多級(jí)分層頁表結(jié)構(gòu)映射地址空間,并詳細(xì)論述了四級(jí)頁表轉(zhuǎn)換過程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲(chǔ)系統(tǒng)實(shí)現(xiàn)的一個(gè)重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對(duì)象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對(duì)象從而得到有關(guān)信息。
實(shí)驗(yàn)法：通過主支變革、控制研究對(duì)象來發(fā)現(xiàn)與確認(rèn)事物間的因果關(guān)系。
文獻(xiàn)研究法：通過調(diào)查文獻(xiàn)來獲得資料，從而全面的、正確的了解掌握研究方法。
實(shí)證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實(shí)踐的需要提出設(shè)計(jì)。
定性分析法：對(duì)研究對(duì)象進(jìn)行“質(zhì)”的方面的研究，這個(gè)方法需要計(jì)算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對(duì)研究對(duì)象的認(rèn)識(shí)進(jìn)一步精確化。
跨學(xué)科研究法：運(yùn)用多學(xué)科的理論、方法和成果從整體上對(duì)某一課題進(jìn)行研究。
功能分析法：這是社會(huì)科學(xué)用來分析社會(huì)現(xiàn)象的一種方法，從某一功能出發(fā)研究多個(gè)方面的影響。
模擬法：通過創(chuàng)設(shè)一個(gè)與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、信息融合技術(shù)在機(jī)務(wù)工作中的應(yīng)用（論文提綱范文）
（1）鐵路機(jī)車設(shè)備畫像理論及關(guān)鍵技術(shù)研究（論文提綱范文）
| 致謝 |
| 摘要 |
| ABSTRACT |
| 前言 |
| 1 緒論 |
| 1.1 研究背景及意義 |
| 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 本文擬解決的主要問題 |
| 1.4 本文研究的主要內(nèi)容 |
| 1.5 本文組織架構(gòu)及技術(shù)路線 |
| 1.6 本章小結(jié) |
| 2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì) |
| 2.1 機(jī)務(wù)大數(shù)據(jù)研究及應(yīng)用 |
| 2.1.1 國外 |
| 2.1.2 國內(nèi) |
| 2.2 機(jī)車檢修現(xiàn)狀 |
| 2.3 設(shè)備畫像 |
| 2.3.1 畫像的概念 |
| 2.3.2 構(gòu)成要素 |
| 2.3.3 模型與方法 |
| 2.4 標(biāo)簽技術(shù) |
| 2.4.1 畫像標(biāo)簽的定義 |
| 2.4.2 標(biāo)簽分類 |
| 2.4.3 標(biāo)簽構(gòu)建原則 |
| 2.4.4 標(biāo)簽構(gòu)建方法 |
| 2.5 設(shè)備健康管理 |
| 2.5.1 國外設(shè)備健康管理現(xiàn)狀 |
| 2.5.2 國內(nèi)設(shè)備健康管理現(xiàn)狀 |
| 2.5.3 我國鐵路機(jī)務(wù)專業(yè)PHM技術(shù)發(fā)展差距 |
| 2.6 本章小結(jié) |
| 3 鐵路機(jī)車設(shè)備畫像理論 |
| 3.1 機(jī)車設(shè)備畫像概述 |
| 3.2 鐵路機(jī)車設(shè)備畫像理論構(gòu)建 |
| 3.2.1 鐵路機(jī)車設(shè)備畫像理論的定義與內(nèi)涵 |
| 3.2.2 鐵路機(jī)車設(shè)備畫像理論的構(gòu)成 |
| 3.2.3 鐵路機(jī)車設(shè)備畫像理論的應(yīng)用架構(gòu) |
| 3.3 本章小結(jié) |
| 4 基于設(shè)備畫像的鐵路機(jī)車標(biāo)簽體系構(gòu)建 |
| 4.1 問題概述 |
| 4.2 面向設(shè)備畫像的標(biāo)簽技術(shù) |
| 4.3 機(jī)車畫像標(biāo)簽體系構(gòu)建 |
| 4.3.1 機(jī)車畫像標(biāo)簽體系技術(shù)架構(gòu) |
| 4.3.2 機(jī)車畫像標(biāo)簽體系 |
| 4.4 基于聚類的機(jī)車第三級(jí)標(biāo)簽獲取方法 |
| 4.4.1 K-means算法 |
| 4.4.2 K-means算法的改進(jìn) |
| 4.4.3 K-means算法與改進(jìn)算法的比較驗(yàn)證 |
| 4.5 機(jī)車畫像標(biāo)簽體系構(gòu)建實(shí)例 |
| 4.5.1 K-means改進(jìn)算法的應(yīng)用 |
| 4.5.2 機(jī)車完整標(biāo)簽體系的產(chǎn)生 |
| 4.6 本章小結(jié) |
| 5 基于MsEclat算法的鐵路機(jī)車事故故障多最小支持度關(guān)聯(lián)規(guī)則挖掘 |
| 5.1 問題概述 |
| 5.2 MsEclat算法的背景知識(shí) |
| 5.2.1 垂直格式數(shù)據(jù)集 |
| 5.2.2 支持度、置信度與提升度 |
| 5.2.3 概念格理論 |
| 5.2.4 多最小支持度下的頻繁項(xiàng)集判定 |
| 5.2.5 面向有序項(xiàng)目集合的最小支持度索引表 |
| 5.2.6 基于等價(jià)類的可連接性判定 |
| 5.3 MsEclat算法原理 |
| 5.3.1 Eclat算法簡(jiǎn)述 |
| 5.3.2 改進(jìn)的Eclat算法—MsEclat算法 |
| 5.4 優(yōu)化的Ms Eclat算法 |
| 5.4.1 基于布爾矩陣的T_(set)位運(yùn)算求交 |
| 5.4.2 基于MapReduce的等價(jià)類并行運(yùn)算 |
| 5.4.3 大數(shù)據(jù)場(chǎng)景下優(yōu)化的MsEclat算法的頻繁項(xiàng)集挖掘步驟 |
| 5.5 算法比較驗(yàn)證 |
| 5.5.1 MsEclat算法與水平挖掘算法的對(duì)比 |
| 5.5.2 MsEclat算法與其優(yōu)化算法的對(duì)比 |
| 5.6 機(jī)車事故故障關(guān)聯(lián)規(guī)則挖掘分析 |
| 5.6.1 待分析項(xiàng)目的選取 |
| 5.6.2 關(guān)聯(lián)規(guī)則挖掘結(jié)果分析 |
| 5.7 本章小結(jié) |
| 6 基于PSO+DE混合優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的鐵路機(jī)車質(zhì)量安全態(tài)勢(shì)預(yù)測(cè) |
| 6.1 問題概述 |
| 6.2 機(jī)車質(zhì)量等級(jí)評(píng)價(jià) |
| 6.3 基于機(jī)車質(zhì)量評(píng)價(jià)項(xiàng)點(diǎn)的特征選擇 |
| 6.3.1 灰色關(guān)聯(lián)度分析 |
| 6.3.2 機(jī)車質(zhì)量等級(jí)的比較特征選擇 |
| 6.4 PSO+DE混合優(yōu)化BP神經(jīng)網(wǎng)絡(luò) |
| 6.4.1 BP神經(jīng)網(wǎng)絡(luò)原理 |
| 6.4.2 PSO算法原理 |
| 6.4.3 DE算法原理 |
| 6.4.4 基于時(shí)變概率的PSO+DE混合優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型 |
| 6.5 機(jī)車質(zhì)量安全態(tài)勢(shì)預(yù)測(cè)分析 |
| 6.5.1 預(yù)測(cè)模型訓(xùn)練 |
| 6.5.2 預(yù)測(cè)模型訓(xùn)練結(jié)果分析 |
| 6.5.3 預(yù)測(cè)模型應(yīng)用分析 |
| 6.6 本章小結(jié) |
| 7 基于鐵路機(jī)車設(shè)備畫像理論的鐵路機(jī)車健康管理應(yīng)用總體設(shè)計(jì) |
| 7.1 機(jī)務(wù)大數(shù)據(jù)與機(jī)車健康管理 |
| 7.2 鐵路機(jī)車健康管理應(yīng)用設(shè)計(jì) |
| 7.2.1 設(shè)計(jì)目標(biāo)及定位 |
| 7.2.2 總體架構(gòu)設(shè)計(jì) |
| 7.2.3 技術(shù)架構(gòu)設(shè)計(jì) |
| 7.3 鐵路機(jī)車健康管理應(yīng)用的典型應(yīng)用場(chǎng)景分析 |
| 7.3.1 設(shè)備質(zhì)量綜合分析 |
| 7.3.2 人員運(yùn)用綜合把控 |
| 7.3.3 運(yùn)輸生產(chǎn)綜合管理 |
| 7.4 本章小結(jié) |
| 8 某鐵路局機(jī)車健康管理應(yīng)用實(shí)踐 |
| 8.1 應(yīng)用開發(fā)方案 |
| 8.1.1 系統(tǒng)開發(fā)環(huán)境 |
| 8.1.2 數(shù)據(jù)調(diào)用方式 |
| 8.1.3 分析模型定時(shí)任務(wù)調(diào)用方式 |
| 8.2 機(jī)車數(shù)據(jù)管理功能 |
| 8.2.1 基本數(shù)據(jù)管理 |
| 8.2.2 視頻數(shù)據(jù)管理 |
| 8.2.3 機(jī)務(wù)電子地圖 |
| 8.3 機(jī)車畫像標(biāo)簽生成及分析功能 |
| 8.3.1 機(jī)車畫像標(biāo)簽管理 |
| 8.3.2 單臺(tái)機(jī)車畫像分析 |
| 8.3.3 機(jī)車設(shè)備畫像分析 |
| 8.4 機(jī)車事故故障關(guān)聯(lián)分析功能 |
| 8.5 機(jī)車質(zhì)量評(píng)價(jià)分析功能 |
| 8.5.1 單臺(tái)機(jī)車質(zhì)量安全分析 |
| 8.5.2 機(jī)務(wù)段級(jí)機(jī)車質(zhì)量安全分析 |
| 8.5.3 機(jī)務(wù)部級(jí)機(jī)車質(zhì)量安全分析 |
| 8.5.4 全局機(jī)務(wù)專業(yè)質(zhì)量安全綜合分析 |
| 8.6 機(jī)車質(zhì)量安全態(tài)勢(shì)預(yù)測(cè)分析功能 |
| 8.7 本章小結(jié) |
| 9 總結(jié)與展望 |
| 9.1 本文總結(jié) |
| 9.2 研究展望 |
| 參考文獻(xiàn) |
| 圖索引 |
| FIGURE INDEX |
| 表索引 |
| 學(xué)位論文數(shù)據(jù)集 |
| TABLE INDEX |
| 作者簡(jiǎn)歷及攻讀博士學(xué)位期間取得的科研成果 |
（2）貨運(yùn)列車安全數(shù)據(jù)一體化集成模型研究與應(yīng)用（論文提綱范文）
| 致謝 |
| 摘要 |
| ABSTRACT |
| 1 緒論 |
| 1.1 研究背景及研究意義 |
| 1.1.1 選題背景 |
| 1.1.2 項(xiàng)目背景 |
| 1.1.3 研究意義 |
| 1.2 國內(nèi)外研究與應(yīng)用現(xiàn)狀 |
| 1.2.1 國外研究與應(yīng)用現(xiàn)狀 |
| 1.2.2 國內(nèi)研究與應(yīng)用現(xiàn)狀 |
| 1.3 論文組織結(jié)構(gòu)與創(chuàng)新點(diǎn) |
| 1.3.1 論文內(nèi)容及研究路線 |
| 1.3.2 論文創(chuàng)新點(diǎn) |
| 2 理論、方法與技術(shù)研究 |
| 2.1 數(shù)據(jù)集成理論相關(guān)研究 |
| 2.1.1 數(shù)據(jù)集成的含義 |
| 2.1.2 數(shù)據(jù)集成中的方法和技術(shù) |
| 2.2 信息模型方法概述 |
| 2.2.1 信息模型定義及作用 |
| 2.2.2 數(shù)據(jù)集成中信息模型的應(yīng)用 |
| 2.2.3 CIM模型設(shè)計(jì)思想和方法 |
| 2.3 元數(shù)據(jù)技術(shù) |
| 2.3.1 元數(shù)據(jù)含義及作用 |
| 2.3.2 數(shù)據(jù)集成中元數(shù)據(jù)的應(yīng)用 |
| 2.3.3 元模型 |
| 2.4 系統(tǒng)開發(fā)技術(shù)及方法 |
| 2.4.1 Spring MVC架構(gòu)理論 |
| 2.4.2 Echarts可視化技術(shù) |
| 3 貨運(yùn)列車安全信息管理現(xiàn)狀與需求分析 |
| 3.1 貨運(yùn)列車安全數(shù)據(jù)集成業(yè)務(wù)范圍界定 |
| 3.1.1 貨運(yùn)列車對(duì)象生命周期過程 |
| 3.1.2 貨運(yùn)主體角度的安全環(huán)境分析 |
| 3.2 貨運(yùn)列車安全數(shù)據(jù)來源相關(guān)系統(tǒng)分析 |
| 3.2.1 貨運(yùn)列車安全相關(guān)信息系統(tǒng) |
| 3.2.2 貨運(yùn)列車安全系統(tǒng)特點(diǎn)分析 |
| 3.3 貨運(yùn)列車安全數(shù)據(jù)分析 |
| 3.3.1 貨運(yùn)列車安全管理數(shù)據(jù)梳理 |
| 3.3.2 貨運(yùn)列車安全數(shù)據(jù)特點(diǎn)分析 |
| 3.4 貨運(yùn)列車安全數(shù)據(jù)一體化集成需求分析 |
| 3.5 本章小結(jié) |
| 4 貨運(yùn)列車安全數(shù)據(jù)一體化集成模型設(shè)計(jì) |
| 4.1 一體化集成模型定義 |
| 4.1.1 一體化集成模型的結(jié)構(gòu) |
| 4.1.2 信息模型的作用及表示方法 |
| 4.1.3 元數(shù)據(jù)的作用及類別分析 |
| 4.2 貨運(yùn)列車安全數(shù)據(jù)分類 |
| 4.2.1 數(shù)據(jù)分類方法 |
| 4.2.2 數(shù)據(jù)主題域劃分 |
| 4.2.3 數(shù)據(jù)實(shí)體劃分 |
| 4.3 貨運(yùn)列車安全數(shù)據(jù)信息模型建立 |
| 4.3.1 主題域信息模型 |
| 4.3.2 細(xì)分主題域信息模型 |
| 4.3.3 對(duì)象信息模型 |
| 4.4 貨運(yùn)列車安全元數(shù)據(jù)模型建立 |
| 4.4.1 元數(shù)據(jù)管理元模型 |
| 4.4.2 技術(shù)元數(shù)據(jù)模型 |
| 4.4.3 業(yè)務(wù)元數(shù)據(jù)模型 |
| 4.4.4 管理元數(shù)據(jù)模型 |
| 4.5 貨運(yùn)列車一體化集成模型建模結(jié)果及作用 |
| 4.5.1 一體化集成模型建模結(jié)果 |
| 4.5.2 基于一體化集成模型的數(shù)據(jù)訪問過程 |
| 4.6 本章小結(jié) |
| 5 貨運(yùn)列車安全數(shù)據(jù)集成平臺(tái)設(shè)計(jì)與原型系統(tǒng)實(shí)現(xiàn) |
| 5.1 系統(tǒng)設(shè)計(jì) |
| 5.1.1 總體架構(gòu) |
| 5.1.2 系統(tǒng)功能架構(gòu) |
| 5.1.3 系統(tǒng)實(shí)現(xiàn)環(huán)境 |
| 5.2 信息模型的物理實(shí)現(xiàn) |
| 5.2.1 信息模型的數(shù)據(jù)庫映射 |
| 5.2.2 信息模型的數(shù)據(jù)源表記錄映射 |
| 5.3 元數(shù)據(jù)模型的物理實(shí)現(xiàn) |
| 5.3.1 元數(shù)據(jù)采集標(biāo)準(zhǔn)化過程 |
| 5.3.2 標(biāo)準(zhǔn)化后的元數(shù)據(jù)采集與存儲(chǔ) |
| 5.4 核心功能模塊設(shè)計(jì)與實(shí)現(xiàn) |
| 5.4.1 貨運(yùn)列車安全數(shù)據(jù)綜合視圖 |
| 5.4.2 基于元數(shù)據(jù)的數(shù)據(jù)查詢 |
| 5.4.3 后臺(tái)元數(shù)據(jù)管理功能 |
| 5.5 本章小結(jié) |
| 6 工作總結(jié)與展望 |
| 6.1 工作總結(jié) |
| 6.2 展望 |
| 參考文獻(xiàn) |
| 作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果 |
| 學(xué)位論文數(shù)據(jù)集 |
（3）基于多維指標(biāo)的空管服務(wù)過程質(zhì)量管控研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 空管服務(wù)過程質(zhì)量管控指標(biāo)因素研究 |
| 1.2.2 基于量化指標(biāo)的空管服務(wù)質(zhì)量評(píng)價(jià)模型研究 |
| 1.3 本文內(nèi)容及創(chuàng)新 |
| 1.4 本文的結(jié)構(gòu)安排 |
| 第二章 基于過程方法的空中交通管制運(yùn)行特性分析 |
| 2.1 影響空管服務(wù)質(zhì)量多因素分析 |
| 2.1.1 空中交通管制方法 |
| 2.1.2 空管服務(wù)過程分析 |
| 2.1.3 空管運(yùn)行質(zhì)量分析 |
| 2.2 空管服務(wù)質(zhì)量管理模型 |
| 2.2.1 過程方法 |
| 2.2.2 空管QMS需求分析 |
| 2.2.3 基于QMS的空管服務(wù)質(zhì)量管理模型 |
| 2.3 本章小結(jié) |
| 第三章 管制服務(wù)多維指標(biāo)體系與模型研究 |
| 3.1 空管服務(wù)質(zhì)量評(píng)估指標(biāo)體系構(gòu)建原則 |
| 3.2 常用質(zhì)量評(píng)估方法比較 |
| 3.3 運(yùn)行經(jīng)濟(jì)質(zhì)量評(píng)估模型 |
| 3.3.1 運(yùn)行經(jīng)濟(jì)質(zhì)量評(píng)估指標(biāo)體系 |
| 3.3.2 管制運(yùn)行經(jīng)濟(jì)質(zhì)量評(píng)估模型 |
| 3.3.3 算例分析 |
| 3.3.4 小結(jié) |
| 3.4 運(yùn)行安全質(zhì)量評(píng)估模型 |
| 3.4.1 運(yùn)行安全質(zhì)量評(píng)估指標(biāo)體系 |
| 3.4.2 運(yùn)行安全質(zhì)量評(píng)估模型 |
| 3.4.3 算例分析 |
| 3.4.4 小結(jié) |
| 3.5 運(yùn)行效率質(zhì)量評(píng)估模型 |
| 3.5.1 基本原理 |
| 3.5.2 運(yùn)行效率質(zhì)量評(píng)估指標(biāo)體系 |
| 3.5.3 管制運(yùn)行效率質(zhì)量評(píng)估模型 |
| 3.5.4 算例分析 |
| 3.5.5 小結(jié) |
| 3.6 小結(jié) |
| 第四章 基于管制員負(fù)荷檢測(cè)的運(yùn)行質(zhì)量研究 |
| 4.1 基于人臉識(shí)別的管制員負(fù)荷研究 |
| 4.1.1 人眼定位 |
| 4.1.2 嘴部定位 |
| 4.2 基于臉部特征融合的疲勞檢測(cè)算法 |
| 4.2.1 數(shù)據(jù)融合的實(shí)現(xiàn) |
| 4.2.2 疲勞判斷 |
| 4.3 基于負(fù)荷檢測(cè)的空管運(yùn)行安全質(zhì)量評(píng)價(jià) |
| 4.4 基于負(fù)荷檢測(cè)的空管運(yùn)行效率質(zhì)量評(píng)價(jià) |
| 4.5 疲勞告警程序設(shè)計(jì) |
| 4.6 小結(jié) |
| 第五章 過程質(zhì)量管控改進(jìn)策略 |
| 5.1 互動(dòng)評(píng)價(jià) |
| 5.2 關(guān)鍵績效考核 |
| 結(jié)論與展望 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果 |
| 致謝 |
| 附錄 |
（4）飛機(jī)液壓系統(tǒng)故障特性分析及故障診斷使用技術(shù)研究（論文提綱范文）
| 摘要 |
| abstract |
| 1 緒論 |
| 1.1 選題的背景和意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀綜述 |
| 1.2.1 液壓系統(tǒng)故障診斷技術(shù)的研究現(xiàn)狀 |
| 1.2.2 液壓系統(tǒng)故障診斷技術(shù)的發(fā)展趨勢(shì) |
| 1.3 研究內(nèi)容及方法 |
| 1.3.1 研究內(nèi)容 |
| 1.3.2 研究方法 |
| 2 ARJ21型飛機(jī)液壓系統(tǒng)主要構(gòu)成 |
| 2.1 液壓系統(tǒng)概述 |
| 2.1.1 液壓系統(tǒng)組成及工作原理 |
| 2.1.2 液壓系統(tǒng)界面 |
| 2.2 事故樹模型的建立 |
| 2.2.1 故障信息收集及分析 |
| 2.2.2 事故樹模型的建立 |
| 2.3 基于事故樹的安全性分析 |
| 2.3.1 事故樹定性分析 |
| 2.3.2 事故樹定量分析 |
| 2.4 本章小結(jié) |
| 3 液壓系統(tǒng)安全隱患實(shí)時(shí)預(yù)警及處理方法研究 |
| 3.1 基于粗糙集理論的實(shí)時(shí)預(yù)警決策規(guī)則獲取方法 |
| 3.1.1 規(guī)則獲取的粗糙集理論 |
| 3.1.2 預(yù)警決策信息系統(tǒng)的建立方法 |
| 3.1.3 屬性約簡(jiǎn)及規(guī)則獲取算法 |
| 3.1.4 基于區(qū)分矩陣的屬性約簡(jiǎn)算法 |
| 3.2 液壓系統(tǒng)實(shí)時(shí)預(yù)警決策規(guī)則獲取 |
| 3.2.1 初始預(yù)警決策信息系統(tǒng)的建立 |
| 3.2.2 離散化預(yù)警決策信息系統(tǒng)建立 |
| 3.2.3 決策信息系統(tǒng)的約簡(jiǎn) |
| 3.2.4 實(shí)時(shí)預(yù)警規(guī)則獲取 |
| 3.2.5 液壓系統(tǒng)故障診斷規(guī)則的使用 |
| 3.3 本章小結(jié) |
| 4 液壓系統(tǒng)故障特性分析 |
| 4.1 故障的特點(diǎn) |
| 4.1.1 故障的漸進(jìn)性 |
| 4.1.2 故障的隱蔽性 |
| 4.1.3 因果關(guān)系的復(fù)雜性 |
| 4.1.4 故障的隨機(jī)性 |
| 4.2 故障的分類 |
| 4.2.1 按故障的不同特征分類 |
| 4.2.2 按故障產(chǎn)生的原因分類 |
| 4.3 影響液壓系統(tǒng)附件可靠性的主要因素 |
| 4.3.1 壓力脈沖 |
| 4.3.2 溫度作用 |
| 4.3.3 震動(dòng)荷載 |
| 4.3.4 沖擊荷載 |
| 4.4 液壓油油液污染度及其控制 |
| 4.4.1 造成液壓油污染的原因 |
| 4.4.2 液壓油污染的危害 |
| 4.4.3 液壓油污染的控制 |
| 4.5 機(jī)務(wù)人員日常維護(hù)要求分析 |
| 4.6 本章小結(jié) |
| 5 模糊診斷理論及其應(yīng)用 |
| 5.1 飛機(jī)液壓系統(tǒng)故障的模糊性特征 |
| 5.2 模糊邏輯診斷方法的理論基礎(chǔ) |
| 5.2.1 模糊理論的發(fā)展 |
| 5.2.2 模糊集合的概念及其運(yùn)算 |
| 5.2.3 模糊關(guān)系與模糊矩陣 |
| 5.3 模糊故障診斷模型 |
| 5.4 ARJ21型飛機(jī)液壓起落架收放系統(tǒng)模糊故障診斷分析 |
| 5.4.1 診斷模型的建立 |
| 5.4.2 故障診斷實(shí)例 |
| 5.5 本章小結(jié) |
| 6 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 附錄 |
（5）基于云平臺(tái)的機(jī)車監(jiān)控視頻管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)（論文提綱范文）
| 摘要 |
| abstract |
| 第一章 緒論 |
| 1.1 研究背景及意義 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 鐵路監(jiān)控視頻系統(tǒng)研究與應(yīng)用現(xiàn)狀 |
| 1.2.2 云計(jì)算與云存儲(chǔ)研究與應(yīng)用現(xiàn)狀 |
| 1.3 主要研究內(nèi)容及創(chuàng)新點(diǎn) |
| 1.4 論文組織結(jié)構(gòu) |
| 第二章 鐵路機(jī)車監(jiān)控視頻管理系統(tǒng)需求分析 |
| 2.1 鐵路機(jī)車監(jiān)控視頻管理現(xiàn)狀及問題 |
| 2.1.1 鐵路機(jī)車監(jiān)控視頻管理現(xiàn)狀 |
| 2.1.2 鐵路機(jī)車監(jiān)控視頻管理存在問題 |
| 2.2 功能需求分析 |
| 2.3 用例圖 |
| 2.4 活動(dòng)圖設(shè)計(jì) |
| 2.5 可行性分析 |
| 第三章 系統(tǒng)總體設(shè)計(jì) |
| 3.1 鐵路機(jī)車監(jiān)控視頻管理系統(tǒng)設(shè)計(jì)原則 |
| 3.2 基于Hadoop的鐵路機(jī)車監(jiān)控視頻管理系統(tǒng)體系結(jié)構(gòu)設(shè)計(jì) |
| 3.3 鐵路機(jī)車監(jiān)控視頻管理系統(tǒng)拓?fù)浣Y(jié)構(gòu)設(shè)計(jì) |
| 3.4 鐵路機(jī)車監(jiān)控視頻管理系統(tǒng)功能設(shè)計(jì) |
| 3.4.1 系統(tǒng)管理模塊、客戶端模塊功能劃分 |
| 3.4.2 系統(tǒng)服務(wù)器端模塊功能劃分 |
| 3.5 鐵路機(jī)車監(jiān)控視頻管理系統(tǒng)數(shù)據(jù)庫設(shè)計(jì) |
| 3.5.1 基于HDFS的數(shù)據(jù)存儲(chǔ)設(shè)計(jì) |
| 3.5.2 E-R圖設(shè)計(jì) |
| 3.5.3 數(shù)據(jù)表設(shè)計(jì) |
| 第四章 機(jī)車監(jiān)控視頻管理系統(tǒng)開發(fā)關(guān)鍵技術(shù) |
| 4.1 Hadoop編程框架 |
| 4.1.1 Hadoop框架簡(jiǎn)介及應(yīng)用 |
| 4.1.2 HDFS分布式文件系統(tǒng)與MapReduce計(jì)算模型應(yīng)用 |
| 4.2 CP-ABE加密算法及應(yīng)用 |
| 4.2.1 CP-ABE加密算法簡(jiǎn)介 |
| 4.2.2 CP-ABE加密算法應(yīng)用 |
| 4.3 ANDROID系統(tǒng)的架構(gòu)與組件應(yīng)用 |
| 4.4 Web應(yīng)用框架 |
| 4.4.1 MVC模式 |
| 4.4.2 Spring框架及SpringMVC的應(yīng)用 |
| 4.4.3 MyBatis持久層框架應(yīng)用 |
| 第五章 服務(wù)器端核心模塊詳細(xì)設(shè)計(jì)與實(shí)現(xiàn) |
| 5.1 分布式機(jī)車監(jiān)控視頻轉(zhuǎn)碼模塊 |
| 5.1.1 基于并行處理的視頻轉(zhuǎn)碼算法應(yīng)用 |
| 5.1.2 視頻轉(zhuǎn)碼算法實(shí)現(xiàn) |
| 5.1.3 實(shí)驗(yàn)分析 |
| 5.2 機(jī)車監(jiān)控視頻數(shù)據(jù)加密模塊 |
| 5.2.1 基于幀間關(guān)系視頻加密算法應(yīng)用 |
| 5.2.2 視頻加密算法實(shí)現(xiàn) |
| 5.2.3 實(shí)驗(yàn)分析 |
| 5.3 云存儲(chǔ)模塊 |
| 5.3.1 云存儲(chǔ)模塊架構(gòu)設(shè)計(jì) |
| 5.3.2 監(jiān)控視頻數(shù)據(jù)輸入、輸出格式的設(shè)計(jì)與實(shí)現(xiàn) |
| 5.3.3 云存儲(chǔ)模塊調(diào)度策略設(shè)計(jì) |
| 5.3.4 視頻數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)與檢索方式設(shè)計(jì)與實(shí)現(xiàn) |
| 5.4 流媒體服務(wù)模塊 |
| 5.4.1 流媒體服務(wù)模塊設(shè)計(jì) |
| 5.4.2 流媒體服務(wù)模塊實(shí)現(xiàn) |
| 第六章 原型系統(tǒng)部署與功能測(cè)試 |
| 6.1 服務(wù)器環(huán)境搭建與應(yīng)用部署 |
| 6.2 客戶端應(yīng)用部署 |
| 6.3 客戶端功能測(cè)試 |
| 6.3.1 PC客戶端 |
| 6.3.2 移動(dòng)端客戶端 |
| 6.4 測(cè)試結(jié)果 |
| 第七章 總結(jié)與展望 |
| 7.1 總結(jié) |
| 7.2 展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 個(gè)人簡(jiǎn)歷、在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文 |
（6）基于隱馬爾可夫過程的機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)預(yù)測(cè)方法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 選題來源及研究背景和意義 |
| 1.1.1 選題來源 |
| 1.1.2 課題的研究背景和意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 國外研究現(xiàn)狀 |
| 1.2.2 國內(nèi)研究現(xiàn)狀 |
| 1.2.3 國內(nèi)外研究現(xiàn)狀綜述 |
| 1.3 主要研究內(nèi)容和技術(shù)路線 |
| 1.3.1 主要研究內(nèi)容 |
| 1.3.2 技術(shù)路線 |
| 第2章 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)分析 |
| 2.1 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)感知總體框架 |
| 2.2 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)關(guān)鍵影響因素的選取 |
| 2.2.1 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)影響因素的選取 |
| 2.2.2 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)的影響分析 |
| 2.2.3 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)關(guān)鍵影響因素的選取 |
| 2.2.4 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)關(guān)鍵影響因素的計(jì)算及分析 |
| 2.3 已有的態(tài)勢(shì)評(píng)估和預(yù)測(cè)方法 |
| 2.4 本章小結(jié) |
| 第3章 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)評(píng)估 |
| 3.1 層次化機(jī)場(chǎng)運(yùn)行態(tài)勢(shì) |
| 3.2 權(quán)重計(jì)算 |
| 3.3 態(tài)勢(shì)值計(jì)算 |
| 3.3.1 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)概念及定量表達(dá) |
| 3.3.2 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)關(guān)鍵影響因素的分級(jí) |
| 3.4 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)關(guān)鍵影響因素風(fēng)險(xiǎn)評(píng)估 |
| 3.4.1 風(fēng)險(xiǎn)評(píng)估方法 |
| 3.4.2 風(fēng)險(xiǎn)評(píng)估 |
| 3.4.3 評(píng)估結(jié)果 |
| 3.5 本章小結(jié) |
| 第4章 基于隱馬爾可夫模型的機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)預(yù)測(cè)模型建立 |
| 4.1 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)的隱馬爾可夫性 |
| 4.2 HMM理論概述 |
| 4.2.1 HMM的概念 |
| 4.2.2 HMM的基本問題 |
| 4.3 基于CHMM的機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)預(yù)測(cè)模型建立 |
| 4.3.1 HMM的結(jié)構(gòu) |
| 4.3.2 HMM模型設(shè)計(jì) |
| 4.3.3 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)預(yù)測(cè)模型分類 |
| 4.4 算法驗(yàn)證 |
| 4.4.1 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)預(yù)測(cè)過程原理 |
| 4.4.2 預(yù)測(cè)準(zhǔn)確率和誤差計(jì)算方法 |
| 4.5 本章小結(jié) |
| 第5章 應(yīng)用實(shí)例 |
| 5.1 樞紐機(jī)場(chǎng)概況 |
| 5.2 樞紐機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)預(yù)測(cè)——實(shí)例驗(yàn)證 |
| 5.2.1 數(shù)據(jù)整理與分析 |
| 5.2.2 HMM預(yù)測(cè)模型驗(yàn)證 |
| 5.3 預(yù)測(cè)方法應(yīng)用 |
| 5.4 本章小結(jié) |
| 結(jié)論與展望 |
| 參考文獻(xiàn) |
| 附錄1 |
| 攻讀碩士學(xué)位期間發(fā)表的論文與其他研究成果 |
| 致謝 |
（9）電力機(jī)車主變壓器故障診斷算法研究與系統(tǒng)設(shè)計(jì)（論文提綱范文）
| 摘要 |
| abstract |
| 第1章 緒論 |
| 1.1 研究背景與意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 傳統(tǒng)診斷方法國內(nèi)外研究現(xiàn)狀 |
| 1.2.2 智能診斷方法國內(nèi)外研究現(xiàn)狀 |
| 1.3 本文主要研究內(nèi)容 |
| 第2章 電力機(jī)車主變壓器故障及油中溶解氣體分析 |
| 2.1 電力機(jī)車主變壓器的特點(diǎn) |
| 2.2 電力機(jī)車主變壓器故障分類 |
| 2.3 油中溶解氣體分析 |
| 2.3.1 溶解氣體的產(chǎn)生機(jī)理 |
| 2.3.2 溶解氣體與變壓器故障的關(guān)系 |
| 2.4 傳統(tǒng)的油中溶解氣體分析診斷方法 |
| 2.4.1 診斷基本流程 |
| 2.4.2 故障判定 |
| 2.4.3 故障類型的診斷 |
| 2.5 本章小結(jié) |
| 第3章 基于二叉樹SVM的電力機(jī)車主變壓器故障診斷 |
| 3.1 支持向量機(jī)的二分類 |
| 3.1.1 線性支持向量機(jī)分類 |
| 3.1.2 非線性支持向量機(jī)分類 |
| 3.2 支持向量機(jī)的多分類 |
| 3.3 二叉樹SVM的構(gòu)建 |
| 3.3.1 構(gòu)建方法的確定 |
| 3.3.2 模糊核聚類算法 |
| 3.3.3 二叉樹SVM的構(gòu)建過程 |
| 3.4 基于二叉樹SVM的電力機(jī)車主變壓器故障診斷模型 |
| 3.4.1 故障類型的確定 |
| 3.4.2 故障特征量的選擇 |
| 3.4.3 樣本的選取及其預(yù)處理 |
| 3.4.4 二叉樹的生成 |
| 3.4.5 二叉樹SVM的訓(xùn)練及測(cè)試 |
| 3.5 不同方法診斷結(jié)果對(duì)比 |
| 3.6 實(shí)例分析 |
| 3.7 本章小結(jié) |
| 第4章 電力機(jī)車主變壓器故障案例檢索 |
| 4.1 案例庫的構(gòu)建 |
| 4.1.1 案例表示 |
| 4.1.2 案例組織 |
| 4.2 案例檢索算法的選擇 |
| 4.3 最近鄰檢索策略 |
| 4.3.1 KNN檢索算法 |
| 4.3.2 屬性的歸一化 |
| 4.3.3 加權(quán)KNN檢索算法 |
| 4.4 案例檢索流程設(shè)計(jì) |
| 4.5 本章小結(jié) |
| 第5章 電力機(jī)車主變壓器故障診斷系統(tǒng)設(shè)計(jì) |
| 5.1 系統(tǒng)設(shè)計(jì)需求 |
| 5.2 系統(tǒng)架構(gòu)設(shè)計(jì) |
| 5.2.1 系統(tǒng)開發(fā)環(huán)境 |
| 5.2.2 系統(tǒng)體系結(jié)構(gòu) |
| 5.3 系統(tǒng)功能設(shè)計(jì) |
| 5.3.1 系統(tǒng)管理模塊 |
| 5.3.2 履歷管理模塊 |
| 5.3.3 案例管理模塊 |
| 5.3.4 故障診斷管理模塊 |
| 5.3.5 信息共享接口 |
| 5.4 數(shù)據(jù)庫設(shè)計(jì) |
| 5.5 應(yīng)用實(shí)例 |
| 5.6 本章小結(jié) |
| 第6章 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 附錄A 作者研究生期間發(fā)表的論文 |
| 附錄B 作者研究生期間參與的科研項(xiàng)目 |
（10）基于信息融合的車輛安全監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 課題研究背景 |
| 1.2 研究意義以及目的 |
| 1.3 國內(nèi)外研究現(xiàn)狀 |
| 1.3.1 國外車輛安全監(jiān)控領(lǐng)域研究及應(yīng)用現(xiàn)狀 |
| 1.3.2 國內(nèi)車輛安全監(jiān)控領(lǐng)域研究及應(yīng)用現(xiàn)狀 |
| 1.3.3 國內(nèi)外信息融合技術(shù)發(fā)展以及應(yīng)用情況分析 |
| 1.4 主要研究內(nèi)容及技術(shù)路線 |
| 第2章 安全監(jiān)控基礎(chǔ)理論 |
| 2.1 安全系統(tǒng)工程學(xué) |
| 2.2 信息融合理論與技術(shù) |
| 2.2.1 信息融合定義 |
| 2.2.2 信息融合的層次結(jié)構(gòu) |
| 2.2.3 信息融合處理過程 |
| 2.2.4 信息融合模型 |
| 2.3 預(yù)警預(yù)測(cè)理論 |
| 第3章 基于信息融合的車輛安全監(jiān)控體系設(shè)計(jì) |
| 3.1 車輛安全監(jiān)控系統(tǒng)特征分析 |
| 3.2 基于信息融合的鐵路車輛安全監(jiān)控體系架構(gòu) |
| 3.2.1 總體架構(gòu) |
| 3.2.2 邏輯架構(gòu) |
| 3.3 信息共享解決方案 |
| 第4章 車輛安全監(jiān)控系統(tǒng)信息融合模型研究 |
| 4.1 基于目標(biāo)決策的車輛安全監(jiān)控信息融合建模方法 |
| 4.1.1 車輛安全監(jiān)控系統(tǒng)建模思路以及方法 |
| 4.1.2 基于目標(biāo)決策的信息融合建模方法 |
| 4.2 檢測(cè)/監(jiān)測(cè)設(shè)備質(zhì)量評(píng)價(jià)的信息融合模型 |
| 4.3 車輛造修質(zhì)量評(píng)價(jià)的信息融合模型 |
| 4.4 車輛安全綜合監(jiān)控的信息融合模型 |
| 第5章 基于信息融合的車輛故障診斷應(yīng)用研究 |
| 5.1 車輛運(yùn)行安全監(jiān)控系統(tǒng)概述 |
| 5.2 紅外線熱軸綜合預(yù)報(bào)應(yīng)用 |
| 5.2.1 紅外線熱軸故障的關(guān)聯(lián)分析研究 |
| 5.2.2 紅外線熱軸綜合預(yù)報(bào)架構(gòu) |
| 5.3 客車踏面損傷監(jiān)測(cè)預(yù)報(bào)應(yīng)用 |
| 5.3.1 TPDS對(duì)客車的踏面損傷預(yù)報(bào)模型 |
| 5.3.2 TPDS客車車次定位應(yīng)用研究 |
| 5.3.3 TPDS客車的車次車組定位應(yīng)用 |
| 結(jié)論與展望 |
| 致謝 |
| 參考文獻(xiàn) |
四、信息融合技術(shù)在機(jī)務(wù)工作中的應(yīng)用（論文參考文獻(xiàn)）
- [1]鐵路機(jī)車設(shè)備畫像理論及關(guān)鍵技術(shù)研究[D]. 李鑫. 中國鐵道科學(xué)研究院, 2021(01)
- [2]貨運(yùn)列車安全數(shù)據(jù)一體化集成模型研究與應(yīng)用[D]. 秦鐸. 北京交通大學(xué), 2020(03)
- [3]基于多維指標(biāo)的空管服務(wù)過程質(zhì)量管控研究[D]. 任杰. 中國民用航空飛行學(xué)院, 2020(12)
- [4]飛機(jī)液壓系統(tǒng)故障特性分析及故障診斷使用技術(shù)研究[D]. 寇旭. 西安科技大學(xué), 2018(01)
- [5]基于云平臺(tái)的機(jī)車監(jiān)控視頻管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 趙朝棟. 石家莊鐵道大學(xué), 2018(03)
- [6]基于隱馬爾可夫過程的機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)預(yù)測(cè)方法研究[D]. 謝燕雯. 哈爾濱工業(yè)大學(xué), 2018(01)
- [7]民用飛機(jī)智能化航電系統(tǒng)淺析[J]. 葉軍暉,馬雙云. 科技創(chuàng)新導(dǎo)報(bào), 2017(29)
- [8]固體火箭發(fā)動(dòng)機(jī)質(zhì)量綜合評(píng)價(jià)方法綜述[A]. 艾春安,奉非東,李劍,蔡笑風(fēng),劉凱旋,佟昭,韓兆林. 中國航天第三專業(yè)信息網(wǎng)第三十八屆技術(shù)交流會(huì)暨第二屆空天動(dòng)力聯(lián)合會(huì)議論文集——固體推進(jìn)技術(shù), 2017
- [9]電力機(jī)車主變壓器故障診斷算法研究與系統(tǒng)設(shè)計(jì)[D]. 唐建生. 武漢理工大學(xué), 2017(07)
- [10]基于信息融合的車輛安全監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究[D]. 謝志鵬. 西南交通大學(xué), 2016(01)
標(biāo)簽：大數(shù)據(jù)論文; 列車運(yùn)行圖論文; 鐵路系統(tǒng)論文; 信息融合論文;