面向起重机远程监控的NB-IoT系统设计

发布时间：2023-01-12 15:39

　　起重机在当今工业生产中,起着至关重要的作用。随着物联网和人工智能的不断发展,本文将物联网技术与机器学习算法引入到起重机的远程监控中,建立起重机远程监控系统。其设计的目标能实时监测起重机的运行状态,并使用人工智能技术对起重机的金属结构进行安全预警。到目前为止,国内外的一些企业结合物联网技术对起重机的监控也做出了很多的努力。虽然对起重机实现了监控的目的,但由于使用的局域网监控,造成监控距离短,较少对起重机整体结构进行综合评估。本文把窄带物联网（Narrow Band Internet of Things,NB-IoT）技术引入到起重机的监控中,同时采用机器学习算法中的支持向量机对起重机整体结构的健康状况进行安全预警,实现了起重机的远程监控。本文的主要研究如下:（1）总体设计:对起重机远程监控系统的关键组成进行了详细的分析,然后分析了物联网的架构,以及每层件架构中要实现的功能;同时对NB-IoT的技术优势进行了讲解,分别介绍了起重机监控终端和起重机监控云平台的设计;最后对起重机远程监控系统的架构设计进行了设计。（2）采集终端的设计:对采集终端的硬件进行设计与选型;采用销轴式传感器来采集起重机... 

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 起重机监控研究现状
        1.2.1 起重机监控国外研究现状
        1.2.2 起重机监控国内研究现状
    1.3 物联网研究状况
        1.3.1 物联网发展状况
        1.3.2 NB-IoT国内外研究现状
    1.4 支持向量机研究现状
    1.5 论文主要工作和组织架构
    1.6 本章小结
2 起重机监控系统的总体设计
    2.1 需求分析
        2.1.1 起重机监控需求
        2.1.2 起重机制造商需求
        2.1.3 起重机用户技术需求
    2.2 NB-IoT关键技术分析
        2.2.1 常用的通信技术
        2.2.2 NB-IoT的技术特点
    2.3 远程监测系统总体设计方案
        2.3.1 起重机监控终端的设计
        2.3.2 监控云平台的总体设计
        2.3.3 系统的总体架构
    2.4 本章小结
3 NB-IoT监控终端及通信协议设计
    3.1 NB-IoT终端的硬件设计
        3.1.1 微处理器模块的设计
        3.1.2 电源模块的设计
    3.2 NB-IoT终端的通信模块设计
    3.3 NB-IoT终端的采集模块设计
        3.3.1 称重传感器
        3.3.2 无线应变传感器
        3.3.3 起重机液压油温度传感器
        3.3.4 风速传感器
        3.3.5 定位模块
        3.3.6 环境温湿度监测
    3.4 NB-IoT的通信协议
        3.4.1 MQTT协议
        3.4.2 CoAP协议
        3.4.3 通信协议的设计
    3.5 本章小结
4 基于支持向量机的安全预警
    4.1 支持向量机
    4.2 k近邻算法
    4.3 数据样本的优化处理
    4.4 基于支持向量机安全评估
    4.5 支持向量机与k近邻安全预防仿真分析对比
    4.6 本章小结
5 起重机监控系统实现与测试
    5.1 云平台的选型设计
        5.1.1 中移物联OneNET平台
        5.1.2 华为OceanConnect IoT平台
        5.1.3 阿里云物联网套件
        5.1.4 物联网云平台对接
    5.2 数据库系统的设计
        5.2.1 数据库功能设计
        5.2.2 数据库表的设计
    5.3 NB-IoT模块数据传输测试
    5.4 NB-IoT模块的功耗测试
    5.5 本章小结
6 结论与展望
    6.1 结论
    6.2 展望
参考文献
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]物联网技术在河流监测系统中的应用[J]. 杨亚军,张辛波,吴必造.  电子技术与软件工程. 2019(08)
[2]基于物联网的矿山智能化管理系统[J]. 王珺,王海.  世界有色金属. 2019(03)
[3]物联网在铁路运输中的应用与发展研究[J]. 雷洋.  科学技术创新. 2019(11)
[4]基于遗传算法优化的支持向量机在变压器故障诊断中应用[J]. 朱超岩,姚晓东.  仪表技术. 2019(03)
[5]基于K均值和支持向量机的燃料电池在线自适应故障诊断[J]. 周苏,胡哲,文泽军.  同济大学学报(自然科学版). 2019(02)
[6]桥(门)式起重机安全监控系统的研发及应用[J]. 付宏伟.  机械管理开发. 2019(01)
[7]基于AFSA-SVM的滚动轴承故障诊断研究[J]. 姬盛飞,王丽君,吉南阳.  组合机床与自动化加工技术. 2019(01)
[8]物联网平台发展分析及建议[J]. 叶文超,马涛.  广东通信技术. 2018(12)
[9]基于目标MFCC特征的监督学习方法在被动声呐目标识别中的应用研究[J]. 程锦盛,杜选民,周胜增,曾赛.  舰船科学技术. 2018(17)
[10]基于贝叶斯网络的桥式起重机故障诊断系统开发[J]. 陈志平,林选翔.  计算机应用与软件. 2018(08)

硕士论文
[1]非侵入式的基于功耗的PLC异常监测系统[D]. 肖玉珺.浙江大学 2017
[2]基于物联网的起重机实时监控系统的开发[D]. 王一铖.东南大学 2016
[3]基于ZigBee无线传感网的起重机安全监控系统设计[D]. 伍迎节.华东交通大学 2014
[4]塔机疲劳剩余寿命预测系统研究[D]. 肖冬桂.中南大学 2013
[5]物联网技术在起重机监控系统中的应用研究[D]. 徐扬.南京邮电大学 2012



本文编号：3730086