一、先进制造系统的发展与故障诊断系统设计（论文文献综述）
张临松[1]（2019）在《新能源动力储能超透离子膜智能制造关键技术研究》文中提出近年来,随着新能源汽车的快速发展,目前中国的新能源汽车的产量和销售量位于全球领先地位,电池作为新能源汽车的核心部件,电池的质量决定着新能源汽车的产品性能,然而新能源汽车电池技术难点集中在导电能力差及续航能力弱这两方面,新能源动力储能超透离子膜是形成微孔层的特殊纳米级聚合物膜,放置在电池的正（+）极和负（-）极之间,为离子电荷提供了必不可少的快速通道,提高了电池的导电能力及续航能力。如今市场上新能源动力储能超透离子膜的生产多为人工操作,自动化程度较低,为了提高整个生产线的自动化水平,研发设计的离子膜智能成型系统在PLC、MCGS以及各种传感技术的配合下能够实现自动化生产,通过设计的远程监控故障诊断系统能够实时的检测和诊断现场工况,使得生产离子膜的效率得到提升。本文介绍了离子膜智能成型制造系统研究背景及意义、国内外研究水平及发展状况,对离子膜智能成型的控制加工过程进行了详细分析,充分利用PLC网络控制、PID温度控制、伺服驱动、故障诊断等先进技术,确定出离子膜智能成型系统的总体结构及远程监控系统的总体设计方案。根据离子膜实际的加工控制要求,创新设计了离子膜智能成型机,建立了离子膜智能成型机的Solidworks三维实体模型,利用当前的自动控制技术,研究了基于PLC及MCGS触摸屏的智能成型机PPI网络控制系统,进行了PLC控制程序的编写、MCGS触摸屏人机界面设计、伺服驱动设计、编码器及各传感器的选择及安装接线,对控制系统进行了现场调试。远程监控系统采用了GPRS无线通信,对远程监控的原理、故障诊断推理算法进行了研究,使用组态王软件设计了智能成型机远程故障诊断软件,在故障诊断系统的控制下实现在线诊断,可以检测和诊断离子膜智成型机控制系统所出现的异常,例如伺服驱动器故障、传动装置损坏故障。对离子膜智能成型自动化生产线进行了现场调试,该智能成型系统能有效地自动完成绗缝、涂层、烘干、成型操作,成膜质量和成膜效率得到大幅度提升,触摸屏控制界面易操作,有效地提高了离子膜智能成型系统实用性,离子膜加工系统的实时监控及故障诊断功能,提高了成型系统的安全性,为后续离子膜成型系统的研究打下了基础。
左延红[2]（2019）在《基于分数阶微积分的离散制造检测数据融合技术研究》文中认为离散制造业而今已成为工业生产的主体,因其生产过程中具备制造资源多样性和生产过程复杂多变性,使得离散制造的生产管理成为目前制造领域研究的重点和难点。为了实现对离散制造系统中制造资源的有效管理和生产过程的有效控制,多数企业和研究机构尝试使用物联网技术实现离散制造中制造资源的互联互通,构建离散制造执行系统（MES）,通过对制造系统中人员、物资、设备和生产过程的有效控制与管理,实现制造效率高效化、制造成本低廉化和生产周期合理化的管理目标。在多年的研究与应用中,研究人员发现:物联网和计算机技术的日益成熟,为构建基于物联网技术的制造执行系统提供了技术支持,但由于离散制造存在生产环境的多样性和制造信息的不确定性,致使其制造执行系统（MES）采集到的同类数据间存在着数值的差异性和时间的滞后性,严重制约着系统决策的准确性和实时性。所以,如何消除同类设备在生产中因工作环境和设备性能的不同造成生产信息数据在采集与传输过程中存在的差异性,已成为离散制造执行系统（MES）实现生产调度优化设计、生产资源合理配置和生产过程实时控制所面临的核心问题。本文拟通过对离散制造执行系统和物联网技术的深入研究,研究物联网技术下离散制造执行系统的特性并分析其采集的生产数据间的差异性,探讨目前常用的物联网下差异性数据融合算法的应用过程和融合效果,提出基于分数阶微积分的物联网下离散制造系统差异数据融合算法并与其他算法进行比较,验证算法的准确性和可靠性。完成的主要研究工作和成果总结如下:1.离散制造生产特性的研究。通过对离散制造“多品种小批量”生产特点的分析和对周边离散性制造企业的调研,得出离散制造存在以下特点:①产品种类的多样性带来生产工艺的多样性和制造资源多样性;②制造资源类型的多样性带来生产信息和数据种类的多样性;③市场信息的不确定性带来生产信息的不确定性。2.离散制造执行系统检测数据特性的分析。根据离散制造的生产特点,得出离散制造执行系统测得的生产数据具有以下特性:①制造资源的多样性带来的检测信息的多样性;②同类制造资源和检测设备由于性能的差异性致使检测数据存在差异性;③制造资源分布的离散性致使检测点间存在工作环境的差异性和信息传送距离的差异性,从而带来检测点间测量误差的差异性。3.多传感器检测数据融合技术的研究。分析目前国内外对多传感器检测数据融合算法的研究现状和存在的不足,探讨了目前常用的数据融合算法中贝叶斯估计法、D-S证据推理法、模糊逻辑法、神经网络法在物联网下多传感器检测数据融合中的优缺点,研究分析了以上算法在离散制造检测数据处理中的应用效果与不足。4.通过对分数阶微积分理论的研究,探讨了分数阶微积分算法在多传感器检测数据融合处理中应用效果和其在离散制造多传感器检测数据融合处理中的不足,最后提出了应用分数阶偏微分理论融合处理物联网下离散制造多传感器检测数据的理念,建立了基于分数阶偏微分方程的物联网下离散制造多传感器检测数据融合算法模型,并通过试验验证了算法的优越性。5.总结研究成果,展望物联网技术下离散制造执行系统检测数据融合技术的研究方向和工作重点。
郑茂宽[3]（2018）在《智能产品服务生态系统理论与方法研究》文中指出随着20世纪末以来世界范围内制造业服务化的深刻变革,基于产品与服务相结合的新型产业模式,成为制造型企业新的利润和价值增长点。传统以生产制造为核心的企业运营模式,逐渐被以面向客户提供集成化的服务与解决方案的运营模式所取代。同时,随着数字化、网络化、智能化技术的崛起,世界正处在通向新的创新与变革时代的门口,推动价值链由基于产品的模式向基于智能化产品和服务的模式转变。同时,生态战略已经成为当前创新型企业构建全兴竞争格局的新思路,通过生态开放、资源共享、价值共创等社会化方式打破企业边界,推动各类商业要素的整合与重构。随着当前制造型企业服务化转型、智能互联技术的提升、企业生态战略的实施,各个领域都在朝着打造智能产品服务生态系统（Smart Product Service Ecosystem,SPSE）的方向发展,然而当前学术界还未形成系统化的理论支撑。因此,本文围绕智能产品服务生态系统的关键核心问题展开理论体系的构建和方法研究,主要研究内容包括:（1）智能产品服务生态系统理论框架。通过广泛收集、整理和分析国内外有关文献,基于对智能化、生态化、服务化等发展趋势的分析,构建了智能产品服务生态系统总体框架:提出了智能产品服务生态系统的基础定义;分析了智能产品服务生态系统的智能、生态、服务三大特征;提出了智能产品服务生态系统六面体构成要素模型,包括智能技术、用户体验、商业模式、市场定位、关联关系及联接交互;进一步分析了智能产品服务生态系统六大要素与三大特征之间的映射矩阵,以及系统要素之间的交互逻辑关系;提出了包括需求分析、系统解析、系统设计、服务交付等环节的智能产品服务生态系统研究技术路线图,为企业向智能产品服务生态系统转型提供了理论依据和指导。（2）智能产品服务生态系统需求分析。从智能产品服务生态系统的运行边界分析入手,研究了业务范畴横向、纵向拓展以及生态价值识别的相关方法;基于对客户需求静态结构和动态结构两个方面特征的分析,开发了基于模糊认知图（Fuzzy Cognitive Mapping,FCM）的客户隐性需求挖掘方法和基于自回归积分移动平均模型（Autoregressive Integrated Moving Average Model,ARIMA）的客户动态需求预测方法。（3）智能产品服务生态系统解析。解析智能产品服务生态系统的内部运行机制,应用生态化可生存系统模型（Eco-Viable System Model,EVSM）对系统结构进行层次拓扑分析,基于耗散结构理论、Type 2模糊集生态位理论等研究了SPSE的平衡态发展过程,提出了智能产品服务生态系统稳健性的抵抗力和恢复力双维度评估方法,以及增强系统稳健性的冗余机制,研究了基于涌现理论的智能产品服务生态系统价值增值模型。（4）智能产品服务生态系统设计。构建了智能产品服务生态系统总体设计流程,开发了基于模糊关联聚类方法的智能产品/功能层次聚类方法,开发了基于服务蓝图、业务流程建模与标注（Business Process Modeling Notation,BPMN）等多方法融合的智能服务流程配置模型,并提出了基于价值网络分析（Value Network Analysis,VNA）的智能产品服务生态系统价值交互与基于价值传递矩阵的价值平衡理论。（5）智能产品服务生态系统交付。基于智能生态产品服务交付体系架构的研究,从宏观、中观、微观及战略、战术、执行两个维度出发,构建了智能产品服务生态系统的能力层次模型,开发了智能产品服务资源虚拟化方法,分析了智能产品服务交付的产品互联协同、服务业务协同、服务组织协同、生态价值协同等四个层次的协同化过程,以及线上线下相结合的服务交付渠道,开发了基于动态资源池的服务资源共享配置方法。通过智能家居和智能网联汽车服务生态系统两个应用示例对以上理论研究内容进行了验证,结果表明了本论文所提出方法和技术的可行性和有效性。智能产品服务生态系统理论体系、技术方法与相关解决方案的研究,源于工业界实际需求,也将会对企业向服务化、网络化、智能化、生态化转型提供一定的理论指导与借鉴。
商曦文[4]（2018）在《可重构制造系统多粒度构形优化设计方法研究》文中研究表明随着先进信息技术和现代制造技术的融合,智能制造逐渐成为新一轮工业革命和制造业变革的核心驱动力。为解决生产效率和生产柔性之间的矛盾,并且增强面向动态市场需求的响应力,制造业提出新一代制造系统——可重构制造系统（Reconfigurable Manufacturing System,RMS）。RMS的可重构性是制造企业实现制造过程智能化的核心技术,而实现RMS重构的关键是其构形的优化设计问题。然而,目前RMS构形设计主要集中单一粒度研究,无法探究不同粒度构形设计的综合性能。因此,本课题从重构过程出发,重点研究RMS多粒度构形优化设计方法。首先从重构时间与空间尺度将RMS构形设计划分为模块粒度、设备粒度及系统粒度。然后针对单一模块粒度、设备粒度,分别提出基于构形树的可重构机床（Reconfigurable Machine Tool,RMT）构形优化设计方法和基于关键特征的可重构检测子系统（Reconfigurable Inspection System,RIS）构形优化设计方法。在考虑上述两种粒度构形设计交互关系基础上,基于妥协决策理论和博弈论构建RMS构形优化设计决策网络,为不同粒度重构提供解决方案,最终实现多粒度构形优化设计。论文主要研究内容如下:（1）RMS多粒度构形优化设计理论研究。该部分主要阐述RMS构形的基本概念以及关键特征,对RMS构形的多粒度特性进行重点分析。分别对模块粒度、设备粒度以及系统粒度的设计问题以及设计核心进行概述,为后续研究奠定理论基础。（2）基于构形树RMT构形优化设计方法研究。该部分针对RMT定制模块库增加设计信息复杂性的问题,提出基于构形树的RMT构形优化设计方法。运用树状结构图建立描述RMT构形通用模型,并将RMT构形设计问题简化为构形树节点和关联边的决策问题。通过RMT加工功能、加工能力、成本和可重构性量化模型建立RMT最优构形设计的决策模型。（3）基于关键特征的RIS构形优化设计方法研究。该部分针对研究RMS系统质量检测过程较少现状,提出基于关键特征的RIS构形优化设计方法。该方法利用误差流理论阐述质量检测过程原理,对RIS构形的模块化、可集成性、可转换性、可扩展性、定制化以及可诊断性等关键特征进行分析。基于上述关键特征以RIS中的可重构检测器数量、位置及其传感器数量为设计变量,以RIS的检测功能、检测能力、成本以及可诊断性量化模型为基础,建立RIS最优构形设计的决策模型。（4）基于多粒度交互关系的RMS构形优化设计决策网络研究。针对RMS多粒度构形设计的交互关系,构建RMS构形优化设计决策网络。该方法基于妥协决策理论建立单一粒度构形设计的结构化决策模型,利用博弈论探讨不同情境下构形决策模型的交互关系。最后结合决策模型和交互模型建立RMS构形优化设计的决策网络,实现多粒度构形的并行设计。（5）可重构制造系统多粒度构形优化设计方法案例验证。该部分围绕L4发动机气缸体、V6发动机气缸体以及V8发动机气缸体,设定针对不同零件族的零件转换（L4-V6）以及针对同一零件族的零件转换（V6-V8）的重构需求。根据重构需求进行RMS的详细构形优化设计,构建了不同需求下的决策模型,最终形成相应的重构策略。此重构过程验证了本课题的构形优化设计方法的可行性与有效性。
马鹏飞[5]（2016）在《FMS故障诊断的关键技术研究》文中研究表明柔性制造系统（FMS）作为CIMS的重要组成部分,对于智能制造的发展意义重大。其无故障工作时间是保证生产效率的前提,所以融合了智能算法的FMS故障诊断系统,是柔性制造系统不可或缺的部分。在国家提出《中国制造2025》,由制造大国向制造强国迈进的背景下,开展FMS故障诊断的研究具有重要意义。数据挖掘技术、数据库技术、计算机技术及信号处理技术的发展,为FMS的故障诊断提供了崭新的解决方案。本文在分析FMS故障特点的基础上,针对现有方法存在的问题,结合数据挖掘技术,对FMS故障诊断的关键技术进行了研究,并开发了基于数据挖掘的FMS远程故障诊断原型系统。本论文主要进行了以下几点研究:（1）针对FMS及其故障的特点,从系统的观点出发,将故障分为加工系统故障、物流系统故障和控制系统故障,并建立了故障诊断系统的集成架构;（2）针对物流系统的特点,提出了物流系统频发的位置/速度控制（即运动状态）故障的诊断策略。然后针对加工系统故障特点,提出了一种分层诊断的策略,将加工系统的诊断分为初级诊断和精诊断,并建立了诊断模型;（3）针对加工系统初级诊断的特点,提出了以贝叶斯网络（BN）为数学模型的初级诊断策略。在简要阐述BN理论的基础上,研究了贝叶斯诊断网络的构造策略及算法,并通过实例验证了该方法的有效性;（4）在加工系统精诊断时,由于诊断初期故障样本较少,针对BP神经网络在小样本情况下识别率较低的问题,提出了以支持向量机（SVM）为数学模型的精诊断策略。在简要阐述SVM概念的基础上,重点研究了SVM的扩展策略,并通过实验对比验证了SVM在小样本情况下的识别率高于BP神经网络;（5）利用本文提出的诊断模型,建立了基于数据挖掘技术的远程故障诊断原型系统。
鲁豪[6]（2016）在《基于神经网络的柔性制造系统的故障诊断研究》文中进行了进一步梳理本论文涉及的内容是基于神经网络的柔性制造系统的故障诊断研究。随着经济高速发展人民生活需求不断增长时代的到来,一些传统的制造模式已经渐渐不能满足大众对制造业更高的要求。柔性制造系统正是在这种形势下应运而生的。柔性制造系统的诞生,能极大减少人工工作量,极大满足公司产品对市场变化的应变。就技术先进性而言,柔性制造系统在制造业的优势越来越明显。但在实际生产过程中,由于其结构复杂,故障发生频繁。柔性制造系统的技术先进性很难体现。这使得对柔性制造系统故障诊断研究势在必行。论文分析了柔性制造系统的基本组成结构和工作原理,然后结合某条柔性制造系统统计的几年内故障信息,采用故障模式统计分析法,分析确定了柔性制造系统故障频发部位即薄弱环节,进而将立式加工中心确定为本论文故障诊断研究切入点。针对目前国内外故障诊断方面的研究成果,考虑到神经网络技术在故障诊断方面的诸多优势,本论文确定将神经网络技术应用在柔性制造系统故障诊断中。本文通过遗传算法与神经网络的结合,实现了对BP神经网络算法的改进。通过对不同信号采集方法优劣比较,最后确定将电流能量法应用于立式加工中心刀具状态识别与故障诊断中。采集主轴电机电流信号,将电流能量值归一化后输入到已训练的改进后的BP神经网络模型中,通过实验数据分析验证,取得了更快的诊断速度与更准确的诊断结果。在柔性制造系统生产实际中,故障频发往往是引起生产效率严重下降的关键原因。而柔性制造系统的故障原因多样,种类复杂。因此通过统计分析,找准关键部位,用行之有效的方法对其进行状态监测与故障诊断,能有效的控制柔性制造系统故障处理时间,大大提高其生产效率。因此本文具有一定的借鉴意义和实际使用价值。
黄辉祥[7]（2010）在《可重构制造系统的关键技术研究》文中提出随着全球经济竞争的日趋激烈,企业的生存环境在剧烈的、不可预测的变化着.为适应这种变化,制造企业需要发展一种能够通过产品结构调整和制造系统的快速重构,以满足顾客对产品个性化的要求的新型制造系统。可重构制造系统就是在这一背景下被提出的,它能够适应市场需求变化,快速调整制造过程、生产功能和生产能力。可重构制造系统作为先进制造模式的新型制造系统,受到了理论界和工程界的广泛关注和深入研究,但是可重构制造系统理论和技术正处于发展阶段,还需要进一步研究支持制造系统进行重构的方法和技术。因此,对可重构制造系统的若干关键技术进行研究具有重要的意义。论文主要包括以下几方面的内容：（1）阐述了制造系统的发展及可重构制造与其它两种制造模式的区别,论述了可重构制造系统的定义、特征、组成及关键技术,介绍了国内外对可重构制造系统理论的研究现状,并提出了本文所研究的几项关键技术问题。（2）论述了制造系统的各种建模方法,并进行分析比较,提出了基于广义随机Petri网的可重构制造系统的建模方法。阐述了Petri网的基本理论,分析广义随机Petri网在制造系统中的建模应用。采用自下而上的广义随机Petri网建模方法,对实例中的可重构制造系统进行建模和分析。（3）制造系统设备布局的优劣对可重构制造系统性能有着重要的影响,根据实际情况建立了两种类型的设备布局数学模型,针对设备布局问题属于NP完全问题,提出了采用遗传算法工具箱进行求解,并引入了QUEST仿真工具对求得的最优布局设备序列进行仿真优化。（4）根据可重构机床设计理念,对可重构机床的机械系统模块化设计方法进行了较深入地探讨。通过对工件工艺特征进行辨认,制定、区分和组合出加工工序。利用旋量理论建立机床基本功能模块的运动学表达式,并在此基础上完成机床机械系统的运动功能模块的建模,最后得到可重构机床模块配置结构。（5）阐述了设备故障诊断的重要意义,对基于知识的故障诊断方法进行了探讨,着重研究了基于模糊Petri网的故障诊断,以及推理算法,并以机床电主轴故障事例进行研究分析。
于滢[8]（2009）在《集成化先进制造监控系统设计与实现》文中研究表明随着科学技术的发展,制造业的生产方式逐渐发生了变化,先进制造系统随之产生。先进制造系统主要具有设备利用率高、快速应变能力、自主能力和复杂的通信网络等特点。随着先进制造系统的高度柔性化、集成化、智能化和网络化的不断发展,对其监控管理的要求也在不断的提高。传统的系统监控的实时性、高效性、健壮性、安全性等特点,无法满足集成化先进制造系统中所监控的对象多层次结构、设备种类繁多等特点的要求。本文对集成化先进制造监控系统进行了设计与实现,以达到全方位监控,保障集成化先进制造系统的监控管理的有效运行。本文以集成化先进制造系统为背景,针对集成化先进系统的特点及系统监控故障诊断的需要,在分析各种监控故障诊断模型和诊断方法的基础上,提出一种基于分层多域的故障诊断专家系统模型,该模型包括车间级监控诊断部分和工厂级监控诊断部分。为提高车间级监控故障诊断专家系统的诊断效率提出一种基于记忆的学习机制,能够对发生频度高的故障先进行诊断,快速准确地定位车间级发生的故障。为了提高工厂级诊断的准确率采用数据库共享技术进行设计,以不断扩充车间级的规则库。提出一种基于产生式与面向对象相结合的知识表示形式,达到对监控故障诊断专家系统知识库独立性与易维护性设计特点的要求。实现了基于记忆的学习机制的车间级监控故障诊断专家系统及传统的故障诊断专家系统,对比两种方法监控故障诊断的响应时间,实验表明基于记忆的学习机制的车间级故障诊断专家系统诊断响应时间大大缩短。对工厂级诊断,进行了仿真实验,表明所构建监控系统的有效性。
赵中敏[9]（2008）在《柔性制造系统的故障诊断系统设计》文中指出分析FMS的特点及其故障诊断的困难性;在对系统的总体设计思想进行剖析后,得到诊断系统总体模型结构;根据FMS故障诊断的任务和要求,对各子系统或模块从功能上进一步分解,最后对监测与诊断子系统硬件结构进行构建;同时结合C IMS及FMS的发展趋势,说明了新一代故障诊断系统应当坚持以"软"促硬、基于多Agent的智能集成及网络化远程服务的原则。在综合大量文献的基础上,指出当前研究工作的特点和已有研究存在的主要问题。对今后的发展进行了展望。
熊瑞平[10]（2006）在《面向网络化制造的智能监控技术研究》文中进行了进一步梳理利用互联网覆盖面广且极其方便的实现数据传输的优势，网络化制造在空间上几乎是无限地延伸了企业的业务和运作空间。如何使实施网络化制造的企业提高设备资源共享、实现对远程设备的监控和故障诊断、实现数据网络与控制网络的集成，是摆在每一个实施网络化制造的现代企业面前一个急需解决的问题。而面向网络化制造的设备智能控制技术是解决上述问题的关键技术之一，它使现代制造企业能够提高设备的利用率，提高操作者的安全性和工作效率，节俭成本，更高效合理地利用人力资源，实现多方协调作业。因此开展网络化制造环境下机电设备的智能监控系统的构建原理和实施技术的深入研究具有重大的理论和现实意义。 为了使机电设备的智能监控系统与其他面向网络化制造的应用系统集成，本文提出了一种面向网络化制造的设备智能监控系统体系结构，重点研究了基于互连网的远程实时控制、工业现场设备的智能控制技术、基于人工免疫的智能故障诊断、基于多模冗余的容错控制技术、基于多Agent原理的分布式诊断系统建模等关键技术，研制开发了现场控制单元的实时控制系统，研制开发了基于Web的远程监控的原型系统。论文为我国制造业在网络化制造环境下的设备智能监控技术进行了有益的探索，它的主要研究成果和特色如下： 1．提出了一种面向网络化制造的设备智能监控平台的功能体系结构，即在数据服务中心所管理的可共享资源支撑下，利用应用工具集，便捷地为用户层的各类用户提供设备的远程监测和控制功能。分析了该平台实施的关键技术，
二、先进制造系统的发展与故障诊断系统设计（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、先进制造系统的发展与故障诊断系统设计（论文提纲范文）
（1）新能源动力储能超透离子膜智能制造关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状及发展水平 |
| 1.2.1 智能制造与新能源离子膜国外研究现状 |
| 1.2.2 智能制造与新能源离子膜国内研究现状 |
| 1.3 发展趋势 |
| 1.4 论文的主要研究内容 |
| 第二章 动力储能超透离子膜智能成型系统总体方案研究 |
| 2.1 动力储能超透离子膜智能制造工艺要求分析 |
| 2.1.1 动力储能超透离子膜智能制造工艺分析 |
| 2.1.2 动力储能超透离子膜智能制造要求分析 |
| 2.2 动力储能超透离子膜智能控制方式 |
| 2.2.1 自动控制方式 |
| 2.2.2 手动控制方式 |
| 2.3 动力储能超透离子膜智能成型系统总体方案设计 |
| 2.4 本章小结 |
| 第三章 离子膜智能成型关键技术成型机结构设计与分析 |
| 3.1 离子膜智能成型机整体结构设计 |
| 3.2 智能成型机送膜装置设计 |
| 3.3 智能成型机顶杆装置设计 |
| 3.4 智能成型机切膜装置设计 |
| 3.5 本章小结 |
| 第四章 离子膜智能成型网络系统化集成关键技术研究 |
| 4.1 动力储能超透离子膜智能生产线控制系统的组成 |
| 4.2 动力储能超透离子膜智能成型PPI网络控制系统设计 |
| 4.2.1 PLC及扩展模块的选型 |
| 4.3 动力储能超透离子膜智能成型系统人机界面设计 |
| 4.3.1 触摸屏监控系统的设计 |
| 4.3.2 触摸屏界面的设计 |
| 4.4 动力储能超透离子膜智能控制系统通信 |
| 4.4.1 计算机与PLC之间的通信 |
| 4.4.2 计算机与触摸屏之间的通信 |
| 4.4.3 西门子PLC之间的通信 |
| 4.4.4 PLC与第三方HMI之间的通信 |
| 4.5 离子膜智能成型伺服控制系统设计 |
| 4.5.1 运动控制系统的组成 |
| 4.5.2 PLC与伺服电机之间的控制 |
| 4.6 动力储能超透离子膜智能成型控制系统程序设计 |
| 4.6.1 动力储能超透离子膜加工控制要求分析 |
| 4.6.2 主程序的设计 |
| 4.6.3 自动加工程序的设计 |
| 4.7 离子膜智能成型温控系统中PID控制方法的设计 |
| 4.7.1 离子膜智能成型机温度控制系统设计 |
| 4.7.2 离子膜成型机PID温度控制系统设计 |
| 4.7.3 离子膜智能成型系统PID控制程序设计 |
| 4.8 离子膜成型系统的调试和运行 |
| 4.9 本章小结 |
| 第五章 基于互联网的PLC远程监控系统设计与分析 |
| 5.1 互联网远程监控系统的基本组成 |
| 5.2 传感器的选择及程序设计 |
| 5.3 基于专家系统的故障诊断分析 |
| 5.4 远程监控诊断系统设计分析 |
| 5.4.1 PLC远程监控故障诊断原理 |
| 5.4.2 PLC故障诊断方法与类型 |
| 5.4.3 通信方式的选择 |
| 5.5 远程故障诊断软件的设计 |
| 5.5.1 远程终端结构 |
| 5.5.2 远程故障诊断软件结构 |
| 5.5.3 远程故障诊断软件设计 |
| 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 |
| 在读期间公开发表的论文 |
| 致谢 |
（2）基于分数阶微积分的离散制造检测数据融合技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文的研究背景 |
| 1.2 问题的提出 |
| 1.2.1 离散制造及其特点 |
| 1.2.2 实现离散制造MES面临的技术难题 |
| 1.3 数据融合技术的发展概况 |
| 1.3.1 数据融合技术的发展历程 |
| 1.3.2 国内数据融合技术的研究现状 |
| 1.4 论文的研究目的和意义 |
| 1.4.1 论文的研究目的 |
| 1.4.2 论文的研究目标 |
| 1.5 论文的主体结构和主要内容 |
| 1.5.1 论文的主体结构 |
| 1.5.2 各章主要内容 |
| 1.6 本章小结 |
| 第二章 预备知识 |
| 2.1 分数阶微积分理论 |
| 2.1.1 分数阶微积分的定义 |
| 2.1.2 分数阶微积分的求解 |
| 2.1.3 分数阶偏微分方程 |
| 2.1.4 分数阶偏微分方程的解法 |
| 2.2 数据融合技术 |
| 2.2.1 数据融合的概念 |
| 2.2.2 数据融合技术的应用 |
| 2.2.3 国内外常用数据融合的分类方法 |
| 2.2.4 常用的多传感器数据融合算法及其应用特点 |
| 2.3 本章小结 |
| 第三章 物联网下离散制造MES及其数据检测系统设计 |
| 3.1 物联网技术及其应用 |
| 3.1.1 物联网技术 |
| 3.1.2 物联网结构及其基本特性 |
| 3.1.3 物联网技术的应用 |
| 3.2 基于物联网技术的离散制造执行系统 |
| 3.2.1 系统构架 |
| 3.2.2 系统组成结构及其功能 |
| 3.2.3 物联网下离散制造数据检测系统的实现 |
| 3.3 物联网下离散制造MES检测数据的特性分析 |
| 3.4 本章小结 |
| 第四章 基于分数阶微积分的网络信息融合处理技术 |
| 4.1 网络信息及其融合处理 |
| 4.2 分数阶微分算子与网络信息处理技术 |
| 4.2.1 分数阶微分算子对检测数据的处理 |
| 4.2.2 基于分数阶微分的多传感器检测数据融合模型 |
| 4.2.3 分数阶微分在网络检测信息融合处理中的应用分析 |
| 4.3 分数阶积分算子与网络信息融合处理技术 |
| 4.3.1 分数阶积分算子对检测数据的处理 |
| 4.3.2 基于分数阶积分的多传感器检测数据的融合模型 |
| 4.3.3 分数阶积分在网络信息融合处理中的应用分析 |
| 4.4 本章小结 |
| 第五章 基于分数阶偏微分的物联网下检测数据融合处理技术 |
| 5.1 基于积分离散引导算法的分数阶偏微分运算 |
| 5.2 基于分数阶偏微分的多传感器检测数据融合算法模型 |
| 5.3 基于分数阶偏微分融合算法的物联网检测数据融合仿真实验 |
| 5.4 分数阶偏微分在物联网下多传感器检测数据融合中的应用 |
| 5.4.1 物联网下多传感器检测数据 |
| 5.4.2 数据分析与处理 |
| 5.4.3 融合处理过程及结果分析 |
| 5.5 分数阶微积分对网络信息的融合结果比较分析 |
| 5.6 本章总结 |
| 第六章 分数阶偏微分数据融合算法在离散制造MES中的应用分析 |
| 6.1 实验平台介绍 |
| 6.2 实验方案 |
| 6.3 实验系统构建 |
| 6.3.1 感知执行层 |
| 6.3.2 信息传输层 |
| 6.3.3 信息处理层 |
| 6.4 实验仿真 |
| 6.4.1 实验环境描述 |
| 6.4.2 差异数据融合处理 |
| 6.4.3 实验结果分析 |
| 6.5 本章小结 |
| 第七章 论文的总结与前景展望 |
| 7.1 全文总结 |
| 7.2 本文主要创新点 |
| 7.3 前景展望 |
| 参考文献 |
| 攻读博士学位期间的学术活动及成果情况 |
（3）智能产品服务生态系统理论与方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与挑战 |
| 1.1.1 研究背景 |
| 1.1.2 面临的挑战 |
| 1.2 产品服务系统的智能化和生态化转型 |
| 1.2.1 转型路径分析 |
| 1.2.2 转型需求分析 |
| 1.2.3 解决方案 |
| 1.3 论文研究意义 |
| 1.4 论文组织结构 |
| 第二章 智能产品服务生态系统研究现状与分析 |
| 2.1 智能产品服务生态系统框架研究现状 |
| 2.1.1 智能化服务化转型研究现状 |
| 2.1.2 生态系统的应用研究现状 |
| 2.2 智能产品服务生态系统边界及需求分析研究现状 |
| 2.2.1 智能产品服务生态系统边界研究现状 |
| 2.2.2 智能产品服务生态系统需求分析研究现状 |
| 2.3 智能产品服务生态系统解析研究现状 |
| 2.3.1 智能产品服务生态系统建模理论研究现状 |
| 2.3.2 智能产品服务生态系统稳态研究现状 |
| 2.4 智能产品服务生态系统设计研究现状 |
| 2.4.1 智能产品功能层次聚类与系统生成 |
| 2.4.2 智能产品服务流程图形化建模与量化分析 |
| 2.5 智能生态产品服务交付研究现状 |
| 2.6 研究现状小结 |
| 第三章 智能产品服务生态系统理论总体框架 |
| 3.1 引言 |
| 3.2 智能产品服务生态系统相关概念定义 |
| 3.3 智能产品服务生态系统特征分析 |
| 3.3.2 智能的特征 |
| 3.3.3 生态的特征 |
| 3.3.4 服务的特征 |
| 3.4 智能产品服务生态系统要素构成 |
| 3.4.1 智能技术 |
| 3.4.2 用户体验 |
| 3.4.3 市场定位 |
| 3.4.4 商业模式 |
| 3.4.5 关联关系 |
| 3.4.6 联接交互 |
| 3.4.7 生态特征与系统要素之间的关联关系 |
| 3.5 智能产品服务生态系统总体研究框架与流程 |
| 3.6 智能家居服务生态系统示例验证 |
| 3.6.1 智能家居服务生态系统的定义与演变 |
| 3.6.2 智能家居服务生态系统的特征体现 |
| 3.6.3 智能家居服务生态系统要素构成分析 |
| 3.7 先进性与可行性分析 |
| 3.8 本章小结 |
| 第四章 智能产品服务生态系统需求分析 |
| 4.1 引言 |
| 4.2 智能产品服务生态系统需求分析研究思路与框架流程 |
| 4.2.1 智能产品服务生态系统边界拓展特征分析 |
| 4.2.2 智能产品服务生态系统客户需求特征分析 |
| 4.2.3 智能产品服务生态系统客户需求分析研究框架流程 |
| 4.3 智能产品服务生态系统边界研究 |
| 4.3.1 智能产品服务生态系统业务边界研究 |
| 4.3.2 智能产品服务生态系统价值边界研究 |
| 4.4 智能产品服务生态系统客户需求挖掘与预测 |
| 4.4.1 客户需求分析方法选择 |
| 4.4.2 基于模糊认知图(FCM)的客户隐性需求挖掘方法 |
| 4.4.3 基于ARIMA模型的客户动态需求预测方法 |
| 4.5 智能家居服务生态系统需求分析示例验证 |
| 4.5.1 智能家居服务生态系统边界研究 |
| 4.5.2 智能家居服务生态系统客户需求挖掘与动态预测 |
| 4.6 先进性与可行性分析 |
| 4.7 本章小结 |
| 第五章 智能产品服务生态系统解析 |
| 5.1 引言 |
| 5.2 智能产品服务生态系统解析研究思路与框架流程 |
| 5.2.1 智能产品服务生态系统解析的问题特征 |
| 5.2.2 智能产品服务生态系统解析研究框架流程 |
| 5.3 智能产品服务生态系统层次结构拓扑分析与建模 |
| 5.3.1 智能产品服务生态系统层次分析 |
| 5.3.2 智能产品服务生态系统生存系统模型(EVSM) |
| 5.3.3 基于EVSM的智能产品服务生态系统结构建模 |
| 5.4 智能产品服务生态系统稳健性研究 |
| 5.4.1 智能产品服务生态系统稳健性研究思路 |
| 5.4.2 智能产品服务生态系统的耗散结构演变 |
| 5.4.3 智能产品服务生态系统生态位分离 |
| 5.4.4 智能产品服务生态系统稳健性评价 |
| 5.4.5 智能产品服务生态系统的冗余机制 |
| 5.5 智能产品服务生态系统价值涌现 |
| 5.5.1 智能产品服务生态系统价值涌现机理 |
| 5.5.2 智能产品服务生态系统的价值空间的拓展 |
| 5.5.3 智能产品服务生态系统价值空间评价 |
| 5.6 智能家居服务生态系统解析示例验证 |
| 5.6.1 智能家居服务生态系统结构拓扑层次分析 |
| 5.6.2 智能家居服务生态系统稳健性研究 |
| 5.6.3 智能家居服务生态系统价值涌现 |
| 5.7 先进性与可行性分析 |
| 5.8 本章小结 |
| 第六章 智能产品服务生态系统设计 |
| 6.1 引言 |
| 6.2 智能产品服务生态系统设计研究思路与框架流程 |
| 6.3 智能产品与功能层次聚类 |
| 6.3.1 主要问题特征与研究思路分析 |
| 6.3.2 智能产品功能模糊层次聚类算法 |
| 6.4 智能产品服务流程建模 |
| 6.4.1 智能产品服务配置框架 |
| 6.4.2 基于服务蓝图的智能产品服务包划分 |
| 6.4.3 基于BPMN图的智能产品服务过程建模 |
| 6.5 智能产品服务生态价值交互与平衡 |
| 6.5.1 智能产品服务生态价值交叉补贴 |
| 6.5.2 智能产品服务生态系统价值网络分析 |
| 6.5.3 智能产品服务生态系统价值传递矩阵 |
| 6.6 智能家居服务生态系统设计示例验证 |
| 6.6.1 智能家居产品与功能层次聚类 |
| 6.6.2 基于多方法融合的智能家居服务流程建模 |
| 6.6.3 智能家居服务生态价值交互与平衡 |
| 6.7 先进性与可行性分析 |
| 6.8 本章小结 |
| 第七章 智能产品服务生态系统交付 |
| 7.1 引言 |
| 7.2 智能产品服务生态系统交付研究思路与框架流程 |
| 7.2.1 智能产品服务生态系统交付问题特征分析 |
| 7.2.2 智能产品服务生态系统交付研究框架流程 |
| 7.3 智能产品服务能力规划 |
| 7.3.1 智能产品服务能力层次分析框架 |
| 7.3.2 智能产品服务能力与资源的虚拟池化 |
| 7.4 智能产品服务交付管理 |
| 7.4.1 智能产品服务交付协同化过程 |
| 7.4.2 智能产品服务交付渠道 |
| 7.4.3 基于动态共享资源池的智能产品服务资源配置 |
| 7.5 智能家居服务生态系统交付示例验证 |
| 7.5.1 智能家居服务能力规划 |
| 7.5.2 智能家居服务运营管理 |
| 7.6 先进性与可行性分析 |
| 7.7 本章小结 |
| 第八章 智能网联汽车服务生态系统示例验证 |
| 8.1 案例背景 |
| 8.2 智能网联汽车服务生态系统框架结构 |
| 8.2.1 智能网联汽车服务生态系统基础框架 |
| 8.2.2 智能网联汽车服务生态系统的特征体现 |
| 8.2.3 智能网联汽车服务生态系统的要素构成 |
| 8.3 智能网联汽车服务生态需求分析 |
| 8.3.1 智能网联汽车服务生态系统边界研究 |
| 8.3.2 智能网联汽车服务生态系统客户需求挖掘与动态预测 |
| 8.4 智能网联汽车服务生态系统解析 |
| 8.4.1 智能网联汽车服务生态系统结构拓扑层次分析 |
| 8.4.2 智能网联汽车服务生态系统稳健性研究 |
| 8.4.3 智能网联汽车服务生态系统价值涌现 |
| 8.5 智能网联汽车服务生态系统设计 |
| 8.5.1 智能网联汽车产品与功能层次聚类 |
| 8.5.2 基于多方法融合的智能网联汽车服务流程建模 |
| 8.5.3 智能网联汽车服务生态价值交互与平衡 |
| 8.6 智能网联汽车服务生态系统交付 |
| 8.6.1 智能网联汽车服务能力规划 |
| 8.6.2 智能网联汽车服务运营管理 |
| 8.7 本章小结 |
| 第九章 总结与展望 |
| 9.1 总结 |
| 9.1.1 内容总结 |
| 9.1.2 创新点 |
| 9.2 展望 |
| 9.2.1 不足之处 |
| 9.2.2 后续研究 |
| 参考文献 |
| 附录一 英文缩略语 |
| 附录二 模糊层次聚类算法的MATLAB实现 |
| 附录三 基于EXCEL的资源动态配置算法实现 |
| 攻读博士学位期间发表或录用的学术论文 |
| 以第一作者发表的学术论文 |
| 第一作者撰写中和拟投稿论文 |
| 与他人合作发表的学术论文 |
| 攻读博士学位期间参与的科研项目 |
| 致谢 |
（4）可重构制造系统多粒度构形优化设计方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究现状 |
| 1.3.1 RMS设备构形设计 |
| 1.3.2 RMS系统构形设计 |
| 1.3.3 存在的问题 |
| 1.4 研究内容 |
| 1.4.1 研究目标 |
| 1.4.2 研究问题 |
| 1.4.3 研究结构 |
| 1.4.4 本章小结 |
| 第2章 可重构制造系统多粒度构形优化设计理论基础 |
| 2.1 引言 |
| 2.2 RMS构形基本概念 |
| 2.2.1 RMS构形概述 |
| 2.2.2 RMS构形关键特征 |
| 2.3 RMS构形设计粒度概述 |
| 2.4 RMS多粒度构形设计核心 |
| 2.5 RMS多粒度构形优化设计技术路线 |
| 2.6 本章小结 |
| 第3章 基于构形树的可重构机床构形优化设计方法 |
| 3.1 引言 |
| 3.2 RMT构形设计框架 |
| 3.3 基于树状结构的RMT构形模型 |
| 3.3.1 RMT构形树分析 |
| 3.3.2 基于集合的RMT构形树建模 |
| 3.3.3 RMT构形树实例 |
| 3.4 面向工序需求的约束条件建模 |
| 3.4.1 加工能力模型 |
| 3.4.2 加工功能模型 |
| 3.4.3 结合加工能力与加工功能的约束模型 |
| 3.5 解决多目标冲突优化决策建模 |
| 3.5.1 成本模型 |
| 3.5.2 可重构性模型 |
| 3.5.3 结合成本和可重构性的决策模型 |
| 3.6 RMT构形设计实例 |
| 3.6.1 减速器箱体的RMT三种应用情景 |
| 3.6.2 面向固定工序需求的RMT构形设计与决策 |
| 3.6.3 面向加工特征变化的RMT构形设计与决策 |
| 3.6.4 面向加工操作数量变化的RMT构形设计与决策 |
| 3.6.5 讨论 |
| 3.7 本章小结 |
| 第4章 基于关键特征的可重构检测系统构形优化设计方法 |
| 4.1 引言 |
| 4.2 RIS诊断原理、关键特征以及设计框架 |
| 4.2.1 基于SoV理论的RMS故障诊断过程 |
| 4.2.2 RIS构形优化设计关键特征 |
| 4.2.3 基于关键特征的RIS构形优化设计框架 |
| 4.3 RIS设计模型构建 |
| 4.3.1 面向RIS构形设计的设计变量定义与描述 |
| 4.3.2 面向工艺路线的设计参数定义与描述 |
| 4.4 结合工艺路线的RIS构形设计约束条件建模 |
| 4.4.1 检测功能模型 |
| 4.4.2 检测能力模型 |
| 4.4.3 结合检测功能与检测能力的约束模型 |
| 4.5 RIS多目标构形优化设计决策建模 |
| 4.5.1 成本模型 |
| 4.5.2 可诊断性模型 |
| 4.5.3 结合成本和可诊断性的决策模型 |
| 4.6 RIS构形设计实例 |
| 4.6.1 车床主轴箱体的工艺路线路线 |
| 4.6.2 RIS可行构形设计的生成 |
| 4.6.3 RIS最优构形树的决策 |
| 4.7 本章小结 |
| 第5章 基于多粒度交互关系的可重构制造系统构形优化决策网络 |
| 5.1 引言 |
| 5.2 RMS构形优化决策网络设计流程 |
| 5.3 理论基础 |
| 5.3.1 妥协决策支持问题架构 |
| 5.3.2 博弈论中的交互关系模型 |
| 5.4 RMS多粒度构形设计决策与交互 |
| 5.4.1 RMT构形优化设计的cDSP模型 |
| 5.4.2 RIS构形优化设计的cDSP模型 |
| 5.4.3 基于博弈论的多粒度构形设计交互模型 |
| 5.5 结合决策模型和交互模型的RMS构形设计决策网络 |
| 5.6 本章小结 |
| 第6章 可重构制造系统多粒度构形设计实例分析 |
| 6.1 引言 |
| 6.2 RMS重构流程 |
| 6.3 设计信息分析 |
| 6.3.1 零件工艺路线信息 |
| 6.3.2 初始构形设计信息以及企业偏好设计信息 |
| 6.4 构形设计探索 |
| 6.4.1 重构过程阶段A |
| 6.4.2 重构过程阶段B |
| 6.5 重构策略规划 |
| 6.6 结果与讨论 |
| 6.7 本章总结 |
| 总结与展望 |
| 成果和结论 |
| 创新点 |
| 不足与展望 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
| 论文成果 |
| 专利成果 |
| 项目经历 |
| 致谢 |
（5）FMS故障诊断的关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 问题的提出背景及研究意义 |
| 1.2 故障诊断概述 |
| 1.2.1 故障诊断的基本概念 |
| 1.2.2 故障诊断的分类 |
| 1.3 FMS的故障诊断研究现状及发展趋势 |
| 1.3.1 FMS的故障诊断研究现状 |
| 1.3.2 FMS的故障诊断发展趋势 |
| 1.4 本文的主要研究内容及结构安排 |
| 第二章 FMS故障诊断集成系统架构研究 |
| 2.1 FMS故障特点 |
| 2.1.1 FMS的定义、组成与分类 |
| 2.1.2 FMS故障的特点 |
| 2.2 FMS故障诊断系统框架 |
| 2.2.1 FMS故障诊断系统的组成 |
| 2.2.2 FMS故障诊断关键技术分析 |
| 2.3 本章小结 |
| 第三章 FMS故障粗诊断 |
| 3.1 物流系统故障诊断 |
| 3.1.1 物流系统故障机理分析 |
| 3.1.2 物流系统的故障诊断 |
| 3.2 加工系统初级诊断的任务 |
| 3.3 贝叶斯网络概述 |
| 3.3.1 贝叶斯网络中的相关概率论知识 |
| 3.3.2 贝叶斯概率推理 |
| 3.3.3 贝叶斯网络的概念及特点 |
| 3.3.4 贝叶斯网络的建模 |
| 3.3.5 贝叶斯网络的推理模式及算法 |
| 3.3.6 贝叶斯网络的学习 |
| 3.4 贝叶斯网络在加工系统初级诊断中的应用 |
| 3.4.1 基于贝叶斯网络的FMS加工系统初级诊断步骤 |
| 3.4.2 诊断实例分析 |
| 3.5 本章小结 |
| 第四章 基于支持向量机的FMS故障精诊断 |
| 4.1 支持向量机概述 |
| 4.1.1 支持向量机的概念 |
| 4.1.2 支持向量机的多分类扩展 |
| 4.2 基于支持向量机的FMS故障精诊断 |
| 4.2.1 FMS设备层故障特点 |
| 4.2.2 基于支持向量机的诊断步骤 |
| 4.3 诊断实例分析 |
| 4.3.1 BP神经网络分类器 |
| 4.3.2 诊断数据集 |
| 4.3.3 基于BP神经网络的故障诊断仿真 |
| 4.3.4 基于SVM的故障诊断仿真 |
| 4.4 本章小结 |
| 第五章 FMS故障诊断集成系统实现 |
| 5.1 故障诊断系统的模式 |
| 5.2 远程故障诊断系统的发展与研究现状 |
| 5.3 远程故障诊断系统的网络模式选择 |
| 5.3.1 客户机/服务器模式 |
| 5.3.2 浏览器/服务器模式 |
| 5.4 远程故障诊断系统拓扑结构 |
| 5.5 FMS故障诊断系统的功能结构设计 |
| 5.6 FMS远程故障诊断系统的实现 |
| 5.7 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（6）基于神经网络的柔性制造系统的故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.1.1 柔性制造系统的发展 |
| 1.1.2 故障诊断技术的发展 |
| 1.2 本论文主要研究工作 |
| 第二章 柔性制造系统故障诊断体系研究 |
| 2.1 柔性制造系统故障诊断总体设计思路 |
| 2.1.1 故障诊断的基本体系 |
| 2.1.2 柔性制造系统故障诊断体系 |
| 2.2 柔性制造系统故障诊断实现原理 |
| 2.2.1 监测信号的选择 |
| 2.2.2 信号的特征提取 |
| 2.2.3 故障诊断的实现 |
| 2.3 本章小结 |
| 第三章 柔性制造系统及其故障分析 |
| 3.1 柔性制造系统的定义 |
| 3.2 柔性制造系统的分类及特点 |
| 3.2.1 柔性制造系统的分类 |
| 3.2.2 柔性制造系统的特点 |
| 3.3 柔性制造系统的组成、原理及作用 |
| 3.3.1 柔性制造系统的一般组成 |
| 3.3.2 柔性制造系统的工作原理 |
| 3.4 柔性制造系统的故障分析 |
| 3.4.1 柔性制造系统故障模式、故障部位分类 |
| 3.4.2 柔性制造系统故障模式分析 |
| 3.5 本章小结 |
| 第四章 人工神经网络与故障诊断 |
| 4.1 人工神经网络的生物学基础 |
| 4.1.1 生物神经元的结构 |
| 4.1.2 生物神经网络 |
| 4.2 人工神经元及神经网络基础 |
| 4.2.1 神经元的建模 |
| 4.2.2 神经元的数学模型 |
| 4.2.3 神经元的转移函数f |
| 4.2.4 神经网络拓扑结构类型 |
| 4.3 人工神经网络的学习 |
| 4.3.1 人工神经网络学习综述 |
| 4.3.2 人工神经网络的学习规则 |
| 4.4 前馈神经网络 |
| 4.4.1 感知器模型 |
| 4.4.2 感知器的功能 |
| 4.5 误差反传((BP)算法 |
| 4.5.1 BP算法的基本思想 |
| 4.5.2 基于BP算法的多层前馈网络模型 |
| 4.5.3 BP学习算法 |
| 4.5.4 BP算法的信号流 |
| 4.5.5 BP算法流程图 |
| 4.5.6 BP算法的改进 |
| 4.6 神经网络与故障诊断 |
| 4.6.1 神经网络的特点总结 |
| 4.6.2 神经网络与故障诊断的密切联系 |
| 4.7 本章小结 |
| 第五章 基于神经网络的柔性制造系统故障诊断设计 |
| 5.1 刀具状态监测与故障诊断方法 |
| 5.2 监测信号的选择 |
| 5.2.1 刀具状态监测与故障诊断实验基础 |
| 5.2.2 电流监测的理论依据 |
| 5.2.3 传感器的选择 |
| 5.2.4 实验装置的设计 |
| 5.3 信号的处理 |
| 5.4 刀具破损状态识别 |
| 5.4.1 基于神经网络的状态识别 |
| 5.4.2 遗传神经网络在实验中的运用 |
| 5.5 集成神经网络智能故障诊断 |
| 5.5.1 基于神经网络的智能诊断的发展方向 |
| 5.5.2 分布式集散神经网络故障诊断的结构 |
| 5.5.3 多神经网络的学习 |
| 5.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士期间取得的研究成果 |
| 致谢 |
（7）可重构制造系统的关键技术研究（论文提纲范文）
| 目录 |
| 摘要 |
| Abstract |
| 插图索引 |
| 附表索引 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 制造系统的发展演变及可重构性 |
| 1.2.1 制造系统的发展演变 |
| 1.2.2 制造系统的可重构性 |
| 1.3 可重构制造系统及其国内外研究现状 |
| 1.3.1 可重构制造系统的产生背景、定义和特征 |
| 1.3.2 可重构制造系统的组成 |
| 1.3.3 可重构制造系统的关键技术 |
| 1.3.4 可重构制造系统的国内外研究现状 |
| 1.4 论文的研究意义 |
| 1.5 论文的研究内容及组织结构 |
| 第二章 可重构制造系统的建模方法 |
| 2.1 离散事件动态系统及其特征 |
| 2.2 制造系统的DEDS建模方法 |
| 2.3 可重构制造系统建模方法及分析比较 |
| 2.3.1 基于Petri网的RMS建模 |
| 2.3.2 基于排队网络的RMS建模 |
| 2.3.3 基于马尔可夫链的RMS建模 |
| 2.3.4 基于多Agent的RMS建模 |
| 2.3.5 RMS建模方法的分析比较 |
| 2.4 Petri网 |
| 2.4.1 基本Petri网 |
| 2.4.2 广义随机Petri网 |
| 2.5 基于GSPN的RMS的建模研究及分析 |
| 2.5.1 问题描述 |
| 2.5.2 RMS的资源子模型及其表达含义 |
| 2.5.3 建立RMS的GSPN模型 |
| 2.5.4 构造同构马尔可夫链及稳态概率求解 |
| 本章小结 |
| 第三章 可重构制造系统设备布局规划研究 |
| 3.1 设备布局概述 |
| 3.2 设备布局类型及原则 |
| 3.2.1 设备布局类型 |
| 3.2.2 设备布局设计的基本原则 |
| 3.3 设备布局数学模型的建立 |
| 3.3.1 设备布局方案的评价标准 |
| 3.3.2 单行设备布局数学模型的建立 |
| 3.3.3 多行设备布局数学模型的建立 |
| 3.4 求解设备布局模型的遗传算法及MATLAB工具箱 |
| 3.4.1 遗传算法 |
| 3.4.2 MATLAB遗传算法工具箱 |
| 3.5 基于Delmia/QUEST可视化仿真模型 |
| 3.5.1 Delmia/QUEST可视化仿真技术 |
| 3.5.2 布局仿真模型的建立及优化 |
| 3.6 实例应用 |
| 3.6.1 问题描述 |
| 3.6.2 MATLAB遗传算法工具箱求解 |
| 3.6.3 Delmia/QUEST仿真分析 |
| 本章小结 |
| 第四章 可重构机床的机械模块化设计 |
| 4.1 可重构机床设计理论 |
| 4.1.1 可重构机床设计概述 |
| 4.1.2 可重构机床与其它普通机床的区别 |
| 4.2 可重构机床的机械模块化设计方法研究 |
| 4.3 工序族划分及组合 |
| 4.3.1 工序族划分 |
| 4.3.2 工序组合 |
| 4.4 可重构机床的运动学模型分析 |
| 4.4.1 旋量的基本理论 |
| 4.4.2 基于旋量的刚体运动模型 |
| 4.4.3 机床的运动计算 |
| 4.5 机械模块选择与机床结构配置 |
| 4.5.1 机床系统的拓扑结构 |
| 4.5.2 机械模块的选择 |
| 4.5.3 机床结构配置 |
| 本章小结 |
| 第五章 设备故障诊断方法研究 |
| 5.1 引言 |
| 5.2 基于知识的故障诊断方法 |
| 5.2.1 故障诊断方法分类 |
| 5.2.2 基于知识的诊断方法 |
| 5.3 基于模糊Petri网的故障诊断研究 |
| 5.3.1 模糊逻辑与知识表达 |
| 5.3.2 模糊Petri网的定义 |
| 5.3.3 复合模糊规则FPN的描述 |
| 5.3.4 基于模糊Petri网的模糊推理算法 |
| 5.4 实例分析 |
| 5.4.1 问题描述 |
| 5.4.2 建立FPN模型 |
| 5.4.3 目标库所可信度的推理计算 |
| 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
（8）集成化先进制造监控系统设计与实现（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 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第2章 监控系统故障诊断体系结构研究 |
| 2.1 集成化先进制造监控系统的特点 |
| 2.2 监控故障诊断体系结构 |
| 2.2.1 集中式监控故障诊断体系结构 |
| 2.2.2 分布式监控故障诊断体系结构 |
| 2.3 集成化先进制造系统的分层多域监控故障诊断体系结构 |
| 第3章 基于专家系统的分层多域监控系统的故障诊断技术研究 |
| 3.1 分层多域监控系统的网络设备故障分类及故障特点 |
| 3.2 专家系统 |
| 3.2.1 专家系统的定义 |
| 3.2.2 专家系统的结构 |
| 3.2.3 专家系统的知识表示 |
| 3.3 车间级故障诊断 |
| 3.3.1 车间级故障诊断模型 |
| 3.3.2 车间级故障诊断专家系统设计 |
| 3.2.3 车间级专家系统的规则库设计 |
| 3.2.4 车间级专家系统的知识表示 |
| 3.2.5 车间级专家系统学习机制设计 |
| 3.4 工厂级故障诊断 |
| 3.4.1 工厂级故障诊断模型 |
| 3.4.2 工厂级故障诊断的诊断流程 |
| 3.4.3 工厂级故障诊断专家系统的规则库设计 |
| 第4章 监控故障诊断系统的设计与实现 |
| 4.1 实验环境 |
| 4.2 系统实现相关技术 |
| 4.2.1 Java 技术 |
| 4.2.2 Java 专家系统外壳JESS |
| 4.2.3 Java 规则引擎规范JSR-94 |
| 4.3 监控管理系统的功能模块 |
| 4.4 程序运行结果 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的论文及所取得的科研成果 |
| 致谢 |
（9）柔性制造系统的故障诊断系统设计（论文提纲范文）
| 1 FMS特点及其故障诊断的困难性 |
| 2 系统的总体设计 |
| 2.1 系统的设计思想 |
| 2.2 监测与诊断子系统硬软件结构 |
| 3 CIMS的发展与故障诊断系统设计 |
| 3.1 以“软”促“硬”, 提高综合水平 |
| 3.2 大力开展分布式人工智能研究 |
| 3.3 网络化、全球化的协同工作 |
| 4 FMS故障诊断的发展趋势 |
（10）面向网络化制造的智能监控技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 网络化制造的特性 |
| 1.2 网络化制造系统的体系结构及发展趋势 |
| 1.2.1 网络化制造系统的体系结构 |
| 1.2.2 网络化制造系统的现状与发展趋势 |
| 1.3 面向网络化制造的智能监控研究现状 |
| 1.3.1 网络化制造中机电设备远程控制研究概述 |
| 1.3.2 面向网络化制造的机电设备远程故障诊断研究概述 |
| 1.4 需求分析 |
| 1.5 论文课题背景及特色 |
| 1.5.1 课题背景和研究意义 |
| 1.5.2 技术路线 |
| 1.5.3 研究内容 |
| 2 面向网络化制造的设备智能监控系统及其关键技术 |
| 2.1 网络环境下设备智能监控系统体系结构 |
| 2.1.1 应用工具集 |
| 2.1.2 功能系统 |
| 2.1.3 数据服务中心 |
| 2.1.4 工业现场 |
| 2.2 关键系统与技术 |
| 2.2.1 基于互联网的机电设备远程实时控制 |
| 2.2.2 机电设备的远程状态检测与故障诊断 |
| 2.2.3 基于互联网的远程服务体系 |
| 2.3 小结 |
| 3 基于Web技术的远程监控系统 |
| 3.1 引言 |
| 3.2 网络控制系统的性能分析 |
| 3.2.1 网络控制系统的时延和拥塞问题 |
| 3.2.2 网络控制系统的稳定性问题 |
| 3.2.3 网络控制系统的工作时序分析 |
| 3.2.4 网络控制系统的采样周期与控制周期 |
| 3.3 基于WEB的远程监控系统 |
| 3.3.1 系统结构 |
| 3.3.2 系统原理 |
| 3.3.3 系统使能关键技术 |
| 3.4 小结 |
| 4 基于H_∞鲁棒控制理论的远程实时控制系统 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.3 被控对象——电液位置伺服系统建模 |
| 4.3.1 电液位置伺服系统原理 |
| 4.3.2 电液位置伺服系统建模 |
| 4.4 基于H_∞技术的鲁棒控制方案 |
| 4.4.1 灵敏度最小化问题 |
| 4.4.2 H_∞范数与系统输入输出的关系 |
| 4.4.3 H_∞标准设计问题 |
| 4.4.4 基本定理 |
| 4.4.5 加权函数的选取原则 |
| 4.5 H_∞控制器设计实例 |
| 4.6 H_∞控制器仿真研究 |
| 4.7 小结 |
| 5 液气压现场设备单元的智能控制技术 |
| 5.1 引言 |
| 5.2 现场设备智能控制单元级模型 |
| 5.3 基于PLC的开关型监控系统 |
| 5.3.1 OEPCS系统的工艺要求及结构 |
| 5.3.2 液压系统原理 |
| 5.3.3 通断电液控制 |
| 5.4 基于PC的模拟型监控系统 |
| 5.4.1 AFSCSBVI系统 |
| 5.4.2 硬件组成 |
| 5.4.3 软件设计及特点 |
| 5.4.4 基于单神经元自适应PID控制方案 |
| 5.5 小结 |
| 6 基于人工免疫机理的设备单元的故障诊断方法研究 |
| 6.1 引言 |
| 6.2 生物免疫系统与免疫应答过程 |
| 6.3 免疫系统的特征与启示 |
| 6.4 人工免疫系统 |
| 6.4.1 免疫网络 |
| 6.4.2 人工免疫系统建模 |
| 6.5 人工免疫算法 |
| 6.5.1 算法步骤 |
| 6.5.2 人工免疫算法与遗传算法的比较 |
| 6.5.3 人工免疫系统与神经网络算法的比较 |
| 6.6 应用实例 |
| 6.6.1 液压泵壳体振动理论模型 |
| 6.6.2 基于人工免疫的故障识别实验模拟 |
| 6.7 小结 |
| 7 气动力伺服控制系统的智能容错控制技术研究 |
| 7.1 前言 |
| 7.2 智能容错控制的基本结构及原理 |
| 7.3 基于多模冗余的智能容错控制技术 |
| 7.3.1 多模冗余系统的分类 |
| 7.3.2 多模冗余智能容错控制方案 |
| 7.3.3 冗余度的配置 |
| 7.4 基于多模冗余智能容错系统的可靠性分析 |
| 7.4.1 可靠性指标 |
| 7.4.2 并联系统可靠性模型 |
| 7.4.3 旁联系统可靠性模型 |
| 7.4.4 表决系统可靠性模型 |
| 7.5 应用实例 |
| 7.5.1 硬件冗余容错 |
| 7.5.2 软件冗余容错 |
| 7.5.3 AFSCS系统的可靠性 |
| 7.6 小结 |
| 8 基于多Agent原理的远程智能故障诊断系统 |
| 8.1 引言 |
| 8.2 远程智能故障诊断系统 |
| 8.2.1 系统功能结构 |
| 8.2.2 远程故障诊断流程 |
| 8.3 Agent及多Agent的原理及功能模块分析 |
| 8.3.1 Agent及多Agent原理 |
| 8.3.2 Agent的功能模块分析 |
| 8.4 远程智能故障诊断的多Agent模式 |
| 8.4.1 基本定义 |
| 8.4.2 多Agent诊断系统模型 |
| 8.4.3 多Agent协调机制 |
| 8.4.4 多Agent诊断任务分解与控制策略 |
| 8.4.5 多Agent通讯机制 |
| 8.4.6 多Agent智能诊断系统的实现工具与技术 |
| 8.5 小结 |
| 9 原型系统开发与运行示例 |
| 9.1 原型系统总体结构及功能 |
| 9.2 开发环境 |
| 9.3 系统软件实现 |
| 9.3.1 基于USB接口的视频采集技术 |
| 9.3.2 PLC与上位机的远程通信技术及协议 |
| 9.3.3 Socket编程 |
| 9.3.4 缓冲区PN(PetriNet)模型及算法实现 |
| 9.3.5 Delphi中ActiveX的创建 |
| 9.4 系统运行示例 |
| 9.4.1 现场设备智能监控 |
| 9.4.2 基于WEB的远程监控 |
| 9.5 小结 |
| 10 总结与展望 |
| 10.1 研究总结 |
| 10.2 研究创新点 |
| 10.3 研究展望 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士学位期间的科研情况 |
| 致谢 |
四、先进制造系统的发展与故障诊断系统设计（论文参考文献）
- [1]新能源动力储能超透离子膜智能制造关键技术研究[D]. 张临松. 山东理工大学, 2019(03)
- [2]基于分数阶微积分的离散制造检测数据融合技术研究[D]. 左延红. 合肥工业大学, 2019(03)
- [3]智能产品服务生态系统理论与方法研究[D]. 郑茂宽. 上海交通大学, 2018(01)
- [4]可重构制造系统多粒度构形优化设计方法研究[D]. 商曦文. 北京理工大学, 2018(07)
- [5]FMS故障诊断的关键技术研究[D]. 马鹏飞. 长安大学, 2016(02)
- [6]基于神经网络的柔性制造系统的故障诊断研究[D]. 鲁豪. 长安大学, 2016(02)
- [7]可重构制造系统的关键技术研究[D]. 黄辉祥. 兰州理工大学, 2010(04)
- [8]集成化先进制造监控系统设计与实现[D]. 于滢. 沈阳理工大学, 2009(06)
- [9]柔性制造系统的故障诊断系统设计[J]. 赵中敏. 机床电器, 2008(04)
- [10]面向网络化制造的智能监控技术研究[D]. 熊瑞平. 四川大学, 2006(03)