基于J2EE的智能預診集成工具開發(fā).pdf

1、機械設備的可靠性、運行效率和無故障時間對于實現安全運行、提高企業(yè)的經濟效益和市場競爭力至關重要。采用先進的智能維護管理模式，利用預診（Prognostics）技術和網絡通訊手段，充分發(fā)揮信息化技術在機械設備維護管理中的作用，進而達到對重大設備和關鍵部件的運行狀況進行實時性能評估及剩余壽命的動態(tài)預測，對實現機械設備關鍵部件的全生命周期智能管理，以及近零故障運行(Near-Zero-Downtime)具有重要意義。另一方面，基于Web的全生

2、命周期智能預診作為一種新興的維護技術，具備了診斷的實時化、智能化、系統化、早期化、網絡化五大特點，通過數據融合技術，實現了設備實時性能評價與診斷、智能化系統、早期預診等功能，引領了目前設備維護領域的發(fā)展趨勢。因此，本文面向智能預診的網絡化實現，對基于J2EE的智能預診集成工具進行了研究。
　　本文從實時預診的角度出發(fā)，提出一種統一的四層框架結構，完整地闡述了每層的功能及設計思想。并特別指出了智能預診數據格式規(guī)范化對拓寬智能預診應用

3、的重要性，在此基礎上提出了基于J2EE的智能預診系統框架。
　　對基于J2EE智能預診系統的關鍵技術進行了研究，包括基于信號處理算法的特征提取模塊研究，基于特征選擇算法的特征選擇模塊研究，基于Ajax的狀態(tài)監(jiān)測模塊設計的研究，數據庫及其接口技術的研究，Matlab與Java交互技術的研究，Java繪圖技術框架JfreeChart和Joone開源神經網絡算法的研究。
　　最后，基于Ajax技術開發(fā)了的機械設備狀態(tài)監(jiān)測模塊，利用

4、SQL Server數據庫和JDBC技術開發(fā)了設備歷史信息查詢模塊，利用Matlab Builder for Java開發(fā)了特征提取模塊中的FFT、小波包分析算法和特征選擇模塊中的PCA和模糊聚類算法，并利用Joone框架開發(fā)了基于人工神經網絡智能預診算法。在結果展示中大量的采用了JfreeChart，便于使用者更好的理解智能預診結果?；贗CONICS組態(tài)軟件的二次開發(fā)完成了數據庫連接及圖形顯示，實現了歷史數據顯示和動態(tài)地展現智能預診