导读:本文包含了实时监测与诊断论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:实时,心律失常,故障诊断,卷积,单轨,中值,神经网络。
实时监测与诊断论文文献综述
孙志远,万丽荣,杨扬,田锦钊[1]（2019）在《矿井提升机轴承实时状态监测及故障诊断系统设计与应用》一文中研究指出针对矿井提升机轴承计划预防维修存在的过剩维修与欠维修问题,使用中值滤波与小波包分析相结合的振动信号分析方法,设计了一种矿井提升机轴承实时状态监测及故障诊断系统。该系统以下位机PLC数据采集和上位机MCGS组态软件数据分析处理为核心,实现了对轴承状态的实时监测和故障诊断。在岱庄煤矿对轴承SKF6205进行的系统应用表明,该系统能够对轴承的实时运行状态进行监测并对故障进行诊断与报警。(本文来源于《煤矿机械》期刊2019年12期）
姜婕[2]（2019）在《面向过程的实时状态监测与故障诊断方法研究》一文中研究指出飞行器在研发及运行过程中会产生大量的状态量及参数记录,在试验结束后用以深入分析飞行器系统各部分工作是否出现故障。由于飞行器系统复杂,对于测试数据通过人工进行判读效率低且存在漏判风险。本文以对复杂系统实现面向过程的实时状态监测与故障诊断为目标,以单轴惯导测试转台为研究对象,对以下技术进行了研究。(1)通过对多信号流图模型理论进行研究,结合单轴惯导测试转台的控制系统的故障分析进行建模,设置监测点进行数据采集。(2)通过对数据可视化技术的研究,以曲线图的形式将单轴惯导测试转台数据的时序特征映射至图像。(3)通过对神经网络进行图像识别的理论及数据集制作技术的研究进行数据预处理,将可视化后的图像以正常数据、故障数据等制作训练集、测试集及验证集。(4)通过研究卷积神经网络理论,设计简单卷积神经网络结构;通过研究Inception-v3模型及迁移学习,改造Inception-v3模型结构。利用数据集对两种模型结构进行训练优化参数,得到模型后进行预测验证。通过对比准确率、迭代次数及训练时间等数据完成模型选择。达到通过卷积神经网络的识别即可实现对单轴惯导测试转台故障信号数据时序特征进行识别的目的。(5)通过对基于规则的专家系统等进行研究,结合阈值判断结果及时序特征分析结果,利用推理机根据规则推理出最终结论,实现故障诊断。通过对上述理论及技术的研究,提出一种复杂系统面向过程的实时状态监测与故障诊断方法,并通过系统搭建进行了关键技术的验证。该方法创新地利用数据可视化技术及卷积神经网络进行监测数据的时序特征识别,可应用于对时序要求较高的复杂系统进行状态监测及故障诊断,对航天设备、新能源设备、海洋环境监测及大气环境监测分析等都有应用价值。(本文来源于《北京交通大学》期刊2019-05-01）
李文正,李德祥,张程[3]（2019）在《单轨车走行轮实时监测诊断系统的设计与应用》一文中研究指出介绍了基于列车控制和管理系统(TCMS)的单轨车走行轮实时监测诊断系统的构成、基本原理和优势等内容。该系统通过与TCMS相结合的方式,对单轨车的运营提供了安全保障,减少了检修工作环节,降低了检修技术难度,为单轨车运维技术提供了新的思路及解决方案。(本文来源于《城市轨道交通研究》期刊2019年03期）
钟绍发[4]（2018）在《携带式远程实时心电监测仪在心律失常诊断中的应用价值》一文中研究指出目的通过与24 h动态心电图比较,评估携带式远程实时心电监测仪在心律失常诊断中的应用价值。方法选取2017年5月至2018年5月来医院就诊的患者39例,所有患者就诊时自述出现心悸、胸闷等心脏不适症状,患者均先进行24 h动态心电图检查,然后使用携带式远程实时心电监测仪进行远程心电监测,分析两种监测方法的心电数据,计算心律失常检出率,并对两种方法检出的心律失常患者行心律失常类型分析。结果 39例患者采用携带式远程实时心电监测仪的心律失常检出率高于24 h动态心电图,差异有统计学意义(P<0.05)。结论 24 h动态心电图是临床常用的心律失常监测方法,但其实时性差,一旦发生恶性心律失常,无法及时发现和处理。携带式远程实时心电监测对心律失常有较高的检出率,是24 h动态心电图检查的有效补充手段。同时,携带式远程实时心电监测能够对恶性心律失常提供准确、及时的心电数据,便于医师及时诊断和处理。(本文来源于《医疗装备》期刊2018年23期）
吴昕[5]（2018）在《基于EMS系统的功率不平衡量的实时监测与诊断设计研究》一文中研究指出变压器/母线的功率不平衡量作为考核电能品质的重要指标,直接反映电网的运行状况。因此,电力调度自动化系统(EMS系统)具备实时监测功率不平衡量和快速诊断不平衡点的功能就显得尤为重要。基于益阳地区EMS系统的现状,对系统进行该功能的模块设计,并通过应用实例验证了模块的可行性。(本文来源于《集成电路应用》期刊2018年12期）
田帅[6]（2018）在《针对Hadoop集群的异常节点实时监测与诊断研究》一文中研究指出为了在较短时间内尽可能充分挖掘海量数据中的价值信息,google公司在2006年发布了 MapReduce分布式计算框架,成功应对了海量数据的分析需求。其中Hadoop作为分布式计算框架实现之一,已被大量的公司和机构部署。然而随着数据量的不断增长,小规模集群渐渐力不从心,为解决此资源瓶颈问题,越来越多的机器被加入到集群中参与计算,集群中节点数量不断增多。但随着规模递增,Hadoop集群中的一些节点行为表现异常时,及时有效的定位该异常节点并分析出导致该问题的根本原因就变得相当困难。其中某些问题不会导致节点直接崩溃,只是降低运行时效率。因此越早发现集群中的此类问题,越能及早采取措施解决。为降低此类异常节点在实际生产中的影响,本文充分考虑了 map阶段与reduce阶段的执行特性,提出了一种针对Hadoop集群实时异常节点检测与诊断方法。该方法基于正常状态下节点行为的相似性,首先,本文从Hadoop运行作业时实时产生的系统日志中提取有关任务状态相关信息,并将reduce任务个数通过执行时间转化成map任务个数,然后通过统计学方法中T检验,分析该节点是否正常。当发现某个节点出现异常时,运用根原因定位方法,通过收集和分析操作系统级性能指标,根据二八定律找出该节点利用率高于80%集群节点或者低于20%集群节点的指标,定位引起该问题的根本原因,并输出其所有相关指标,为后续错误排查维护提供信息。且所使用的算法适用于多维数据中异常节点的检测,可同时对多个维度的性能数据进行分析,指导集群运维。基于以上两个方法,在spark streaming流数据分析工具之上,搭建了 Hadoop集群异常节点实时检测和分析系统,用来表明所提检测方法的精准性和高效性。且因为map任务的执行时间是随着task任务的大小而变化的,本文使用map任务完成度(即map任务完成百分比)来评估检测的实时性。最后通过一系列相关实验测试,表明了该方法和系统的实时性和有效性,针对该系统,本文进一步评估了其额外开销,整体在5%以下,充分说明了所提方法针对问题有一定的效用。(本文来源于《昆明理工大学》期刊2018-05-01）
徐丽娜[7]（2018）在《基于Android客户端的车辆实时监测和诊断系统的研究与实现》一文中研究指出车辆普及率迅速提高的同时也给车辆售后服务业和故障维修行业带来了巨大的压力。随着电子技术在车辆上的应用,其安全性、动力性、灵活性和人工智能性大大提升。但同时带来了车辆故障种类多、故障琐碎不易察等问题。所以做到有效的诊断和维修,是车辆行业长远发展的必要条件。本文首先调研了国内外车辆故障诊断系统的研究现状,通过对现有故障诊断方案的分析,针对PC和嵌入式设备体积大、成本高、不灵活的缺点,提出了基于B/S和C/S混合结构的系统架构,并采用Android端实时监测和Web端远程监控相结合的设计方案。利用智能手机与OBD接口通过蓝牙进行通信并将数据传输到远程服务端,旨在实现车辆实时监测和远程诊断。将数据采集、传输和远程诊断通过无线网连接,实现车辆、用户和维修一体化。接着本文建立了车辆故障诊断模型。通过对模糊推理和神经网络的深入研究,考虑到车辆故障的随机性、间歇性、车辆系统的复杂性和短期内故障数据采集困难等因素,提出将两者结合的模糊神经网络实现车辆故障诊断。不依赖系统精确的数学模型,引入模糊规则加速神经网络的学习速度,充分利用语言知识的同时加入监督学习,实现诊断结果不断完善的目的。随后本文采用MVP模式实现了基于Android的实时监测端。主要利用手机蓝牙和基于K总线和CAN总线的OBD-II通用车辆诊断接口ELM327通信,传输故障码和车辆实时状态。从功能需求着手分析客户端,设计和实现了设备连接、数据采集、故障诊断、位置获取、数据上传、账号管理和系统设置七大功能模块。解决了开发中地理坐标转换、手机无响应、屏幕适配和网络通信等技术难点。然后本文采用B/S模式对车辆故障诊断的远程监控端进行设计与实现。将用户群体分为两个级别:普通车主和维修公司内部人员,分配不同的操作权限。采用模块化的设计思路,将系统分为五个功能模块,即Android通信模块、数据库访问接口模块、基于浏览器的管理人员模块和普通车主模块。利用AJAX与服务器建立通信,传输用户指令和获取新的数据。故障维修人员可在远程登陆,借助本设计建立的车辆故障诊断模型,帮助用户维修车辆,实现远程检修。为了提高浏览器的兼容性,利用BootStrap框架进行响应式布局以适配不同屏幕。最后利用Mocha、Zombie和LoadTest等测试工具,对基于Android的实时监测端和Web远程监控端进行兼容性、安全性和功能等方面的测试。分析结果表明,系统运行稳定,安全可靠,验证了设计方案的可行性,达到了预期目标。(本文来源于《东南大学》期刊2018-04-01）
刘哲[8]（2018）在《基于压缩感知的无线体域网心电监测信号重建与实时诊断算法研究》一文中研究指出随着现代社会日新月异的发展,人们对健康给予越来越多的关注,相应地,无线体域网吸引了越来越多人的目光,人们开始研发相关技术去监测病患的生理参数。面对心血管类的疾病,其突发性要求监测系统具有实时性与稳定性,并且通常需要对数据进行压缩以获得更高的能量利用率。近年来,大量的研究已经验证了压缩感知是一种有效的解决方式,这一理论与体域网领域的融合让远程医疗更加智能化。传统的压缩感知方法在数据情况稳定状态下效果很好,然而面对实时变化的生理参数,其效果大打折扣,因此,本文基于压缩感知对无线体域网中心电重构与实时诊断进行研究。首先,在压缩感知的理论架构上,设计了无线体域网传输系统中自适应传输控制策略,同时针对ECG信号特点与传输实时性要求优化重构算法,实现重构精度与压缩性能的双重优化。为了更加灵活地传输数据,我们需要为无线体域网中的传感端、协调端以及无线传输通道建立数学模型,并利用反馈的控制思想对数据压缩率进行设计。在传感端增加压缩率估计模块,其设计目的是在满足实时性的条件下,尽可能降低压缩率,提高ECG信号的重构精度。在压缩率估计模块中,采用频域分析方式,揭示心电数据的动态特性,并对压缩率和稀疏性之间的关系进行建模。此外,使用快速K-Means聚类算法将心电信号按稀疏度分为两组,进行模型的简化,用分段非线性函数进行拟合,并将问题转换为线性规划问题。在丢包补偿模块中,设计闭环模块和控制过程,制定压缩策略,基于信道状态和数据稀疏度对压缩感知参数进行更新估计,以降低丢包干扰带来的影响,为ECG信号进行实时高精度特征识别与远程诊断打下基础。然后,改进协调端的重构算法,选择优化子空间追踪重构算法,提高了GBSP(Gradient Boosting Subspace Pursuit)算法的精度与速度。改进后的GBSP算法在更低数据压缩率的条件下,依然可以使得到的重构信号具有医疗价值,即重构误差PRD在9%以下。我们对算法中的稀疏度参数K进行向前推进式的搜索,基于机器学习中Gradient Boosting的思想,采用梯度下降方向搜索法对残差重新建立模型。在残差不可以忽略的情况下,选择多于稀疏度K个原子进入备选集合再回溯剔除。经过两次优化后,GBSP算法可以在更低的压缩率(比如30%)下控制重构误差PRD在9%以下,重构能力大大提升。最后,为满足远程医疗系统中实时监测的需求,论文设计了全新的ECG信号在线检测算法,实现高精度定位QRS波群以及获取Q波、R波、S波点位。我们先将ECG信号通过窗口积分器,使其计算滚动平均值目的是进一步平滑ECG时域信号;而后针对每一个数据点与阈值的大小关系判断当前标志旗状态,在满足一定的幅值阈值范围和时间保持阈值的条件下,识别出ECG信号相应的波形。为了提高算法鲁棒性,对所检测波形对应的幅值阈值采用自适应模式。使用MIT-BIH数据库提供的和实际硬件采集的两种来源的ECG数据,来分别检验与对比两种算法识别的准确度。进一步,利用所设计的无线体域网传输系统,在有无发生丢包的情况下,分别对得到的重构ECG信号进行特征识别,进一步验证了系统设计的可行性与鲁棒性。(本文来源于《上海交通大学》期刊2018-01-01）
周清慧,黄玉慧,王泽华[9]（2017）在《循环肿瘤DNA在卵巢癌早期诊断和病情实时监测中的应用价值》一文中研究指出肿瘤患者血液中的循环肿瘤DNA(circulating tumor DNA,ctDNA)携带着肿瘤的遗传信息。通过检测ctDNA,可以无创、实时地了解肿瘤的变化情况。研究已证明,卵巢癌在其发生发展过程中存在多种基因的突变和表观遗传学的改变,而ctDNA可及时反映出这些异常。因此,ctDNA有望在卵巢癌的早期诊断与筛查、疗效监测、预后评估及耐药中得到广泛应用,为卵巢癌患者的诊疗带来新的曙光。(本文来源于《实用妇产科杂志》期刊2017年10期）
艾高山,冯岚,胡玲,黄泽建[10]（2017）在《十二导联心电图远程实时动态监测系统在诊断冠心病患者心律失常发生率及类型中的价值分析》一文中研究指出目的:分析十二导联心电图远程实时动态监测系统在诊断冠心病患者心律失常发生率及类型中的价值。方法:选取在医院就诊的90例冠心病患者,分别进行传统心电图检查及十二导联心电图远程实时动态监测系统进行远程监护操作,对比二者在患者心律失常发生率及类型中的价值。结果:十二导联心电图远程实时动态监测系统进行远程监护后共检出不同类型的心律失常者71例(占78.89%),其中检出1种、2种和3种以上心律失常者分别有17例、34例和20例,其发生率分别占18.89%、37.78%和22.22%;1种、2种、3种心律失常的检出率均明显高于传统心电图检查,两者比较差异有统计学意义(x~2=8.06,x~2=12.05,x~2=9.32;P<0.05);在室性早搏、房性早搏、短阵性室性早搏、短阵性房性早搏及房室传导阻滞中,采用十二导联心电图远程实时动态监测系统的检出率均明显较传统心电图检查高,两种监测方法比较差异有统计学意义(x~2=6.04,x~2=9.15,x~2=7.14,x~2=8.19,x~2=8.47;P<0.05)。结论:十二导联心电图远程实时动态监测系统远程监护与传统心电图检查相比,在冠心病患者心律失常中的检出率更高,具有较高的临床诊断价值。(本文来源于《中国医学装备》期刊2017年09期）
实时监测与诊断论文开题报告
（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：
飞行器在研发及运行过程中会产生大量的状态量及参数记录,在试验结束后用以深入分析飞行器系统各部分工作是否出现故障。由于飞行器系统复杂,对于测试数据通过人工进行判读效率低且存在漏判风险。本文以对复杂系统实现面向过程的实时状态监测与故障诊断为目标,以单轴惯导测试转台为研究对象,对以下技术进行了研究。(1)通过对多信号流图模型理论进行研究,结合单轴惯导测试转台的控制系统的故障分析进行建模,设置监测点进行数据采集。(2)通过对数据可视化技术的研究,以曲线图的形式将单轴惯导测试转台数据的时序特征映射至图像。(3)通过对神经网络进行图像识别的理论及数据集制作技术的研究进行数据预处理,将可视化后的图像以正常数据、故障数据等制作训练集、测试集及验证集。(4)通过研究卷积神经网络理论,设计简单卷积神经网络结构;通过研究Inception-v3模型及迁移学习,改造Inception-v3模型结构。利用数据集对两种模型结构进行训练优化参数,得到模型后进行预测验证。通过对比准确率、迭代次数及训练时间等数据完成模型选择。达到通过卷积神经网络的识别即可实现对单轴惯导测试转台故障信号数据时序特征进行识别的目的。(5)通过对基于规则的专家系统等进行研究,结合阈值判断结果及时序特征分析结果,利用推理机根据规则推理出最终结论,实现故障诊断。通过对上述理论及技术的研究,提出一种复杂系统面向过程的实时状态监测与故障诊断方法,并通过系统搭建进行了关键技术的验证。该方法创新地利用数据可视化技术及卷积神经网络进行监测数据的时序特征识别,可应用于对时序要求较高的复杂系统进行状态监测及故障诊断,对航天设备、新能源设备、海洋环境监测及大气环境监测分析等都有应用价值。
（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。
实时监测与诊断论文参考文献
[1].孙志远,万丽荣,杨扬,田锦钊.矿井提升机轴承实时状态监测及故障诊断系统设计与应用[J].煤矿机械.2019
[2].姜婕.面向过程的实时状态监测与故障诊断方法研究[D].北京交通大学.2019
[3].李文正,李德祥,张程.单轨车走行轮实时监测诊断系统的设计与应用[J].城市轨道交通研究.2019
[4].钟绍发.携带式远程实时心电监测仪在心律失常诊断中的应用价值[J].医疗装备.2018
[5].吴昕.基于EMS系统的功率不平衡量的实时监测与诊断设计研究[J].集成电路应用.2018
[6].田帅.针对Hadoop集群的异常节点实时监测与诊断研究[D].昆明理工大学.2018
[7].徐丽娜.基于Android客户端的车辆实时监测和诊断系统的研究与实现[D].东南大学.2018
[8].刘哲.基于压缩感知的无线体域网心电监测信号重建与实时诊断算法研究[D].上海交通大学.2018
[9].周清慧,黄玉慧,王泽华.循环肿瘤DNA在卵巢癌早期诊断和病情实时监测中的应用价值[J].实用妇产科杂志.2017
[10].艾高山,冯岚,胡玲,黄泽建.十二导联心电图远程实时动态监测系统在诊断冠心病患者心律失常发生率及类型中的价值分析[J].中国医学装备.2017
论文知识图
