基于J2EE的智能预诊集成工具开发-机械电子工程专业论文.docxVIP

Classified Index: TP311.56 U.D.C: 620 Dissertation for the Master Degree in Engineering THE DEVELOPMENT OF J2EE BASED INTEGRATION TOOL FOR INTELLIGENT PROGNOSTICS Candidate： Duan Liying Supervisor： Prof. Yan Jihong Academic Degree Applied for： Master of Engineering Speciality： Mechatronics Engineering Affiliation： School of Mechatronics Engineering Date of Defence： June, 2010 Degree-Conferring-Institution： Harbin Institute of Technology 摘 要 机械设备的可靠性、运行效率和无故障时间对于实现安全运行、提高企业 的经济效益和市场竞争力至关重要。采用先进的智能维护管理模式，利用预诊 （Prognostics）技术和网络通讯手段，充分发挥信息化技术在机械设备维护管 理中的作用，进而达到对重大设备和关键部件的运行状况进行实时性能评估及 剩余寿命的动态预测，对实现机械设备关键部件的全生命周期智能管理，以及 近零故障运行(Near-Zero-Downtime)具有重要意义。另一方面，基于 Web 的全 生命周期智能预诊作为一种新兴的维护技术，具备了诊断的实时化、智能化、 系统化、早期化、网络化五大特点，通过数据融合技术，实现了设备实时性能 评价与诊断、智能化系统、早期预诊等功能，引领了目前设备维护领域的发展 趋势。因此，本文面向智能预诊的网络化实现，对基于 J2EE 的智能预诊集成 工具进行了研究。 本文从实时预诊的角度出发，提出一种统一的四层框架结构，完整地阐述 了每层的功能及设计思想。并特别指出了智能预诊数据格式规范化对拓宽智能 预诊应用的重要性，在此基础上提出了基于 J2EE 的智能预诊系统框架。 对基于 J2EE 智能预诊系统的关键技术进行了研究，包括基于信号处理算 法的特征提取模块研究，基于特征选择算法的特征选择模块研究，基于 Ajax 的状态监测模块设计的研究，数据库及其接口技术的研究，Matlab 与 Java 交互 技术的研究，Java 绘图技术框架 JfreeChart 和 Joone 开源神经网络算法的研究。 最后，基于 Ajax 技术开发了的机械设备状态监测模块，利用 SQL Server 数据库和 JDBC 技术开发了设备历史信息查询模块，利用 Matlab Builder for Java 开发了特征提取模块中的 FFT、小波包分析算法和特征选择模块中的 PCA 和模 糊聚类算法，并利用 Joone 框架开发了基于人工神经网络智能预诊算法。在结 果展示中大量的采用了 JfreeChart，便于使用者更好的理解智能预诊结果。基于 ICONICS 组态软件的二次开发完成了数据库连接及图形显示，实现了历史数据 显示和动态地展现智能预诊的历史信息。 关键词：智能预诊工具；J2EE；状态监测；Matlab builder for Java；JfreeChart； Joone Abstract Reliability, efficiency and time to failure of machinery facilities are very crucial for a corporation to guarantee its operation safety, and improve its economic benefit and market competitiveness. In order to realize life-cycle intelligent management and near-zero-downtime of important facilities with key components, it is of great significant to evaluate their real-time performance and predict their remaining life dynamically, which can be achieved employing advanced mode of intelligent management, utilizing technologies of prognostics and network c