第1章  制造大数据简介
  1.1  制造大数据概念
  1.2  制造大数据发展现状
  1.3  制造大数据关键技术
    1.3.1  数据采集
    1.3.2  数据预处理
    1.3.3  数据分析
    1.3.4  制造大数据处理流程
  1.4  制造大数据的应用
  1.5  制造大数据面临的挑战
  1.6  制造大数据的发展前景
  1.7  异构制造大数据
第2章  制造大数据云存储技术
  2.1  云存储发展现状及趋势
    2.1.1  国外云存储发展现状
    2.1.2  国内云存储发展现状
  2.2  云计算及云存储技术
    2.2.1  云计算框架模型
    2.2.2  云存储系统架构
    2.2.3  云存储发展的关键技术
  2.3  数据加密技术
    2.3.1  密码学简介
    2.3.2  DES对称加密技术
    2.3.3  RSA公钥加密技术
    2.3.4  数字签名技术
  2.4  数据加密技术在云存储中的应用
    2.4.1  云存储中数据加密技术的设计
    2.4.2  云存储中数据加密技术的安全性分析
    2.4.3  云存储中数据加密技术的实现
    2.4.4  云存储中数据加密技术的实验分析
第3章  制造大数据的多源异构数据融合
  3.1  多源制造大数据融合方法综述
    3.1.1  多源数据融合方法
    3.1.2  多源数据融合方法在设备故障诊断中的应用
  3.2  多源制造大数据融合算法分析
    3.2.1  证据理论
    3.2.2  学习向量化神经网络
    3.2.3  决策树
    3.2.4  卷积神经网络
  3.3  证据理论决策融合算法的改进
    3.3.1  证据理论的不足
    3.3.2  证据理论的改进
  3.4  证据理论决策融合算法的应用
    3.4.1  基于神经网络和证据理论的样本预测
    3.4.2  基于证据理论的多传感器多目标识别
    3.4.3  改进证据理论（IDS）在设备故障中的融合诊断
第4章  制造大数据背景下旋转设备的智能故障诊断
  4.1  制造大数据背景下设备故障智能诊断技术分析
    4.1.1  设备故障发生的一般规律
    4.1.2  传统的机械设备故障诊断方法
    4.1.3  多源数据融合的设备故障诊断方法
  4.2  制造大数据背景下设备故障状态监测与诊断的框架
  4.3  基于LVQ和DT的单源信号多传感器融合智能诊断
    4.3.1  单源信号多传感器融合诊断的实验数据准备
    4.3.2  单源信号多传感器融合诊断的故障特征提取
    4.3.3  单源信号多传感器融合诊断的模型构建
    4.3.4  基于LVQ和DT的多模型融合故障诊断方法
    4.3.5  基于IDS融合LVQ和DT的多模融合诊断结果分析
  4.4  基于CNN的多源信号多传感器融合智能诊断
    4.4.1  多源信号多传感器融合诊断的实验装置及数据准备
    4.4.2  基于振动信号的ASCNN融合诊断模型构建
    4.4.3  基于声音信号的ESCNN融合诊断模型构建
    4.4.4  基于IDS的振声信号的融合诊断模型构建
    4.4.5  基于IDS的振声信号的融合诊断模型性能分析
第5章  制造大数据多源融合及分析系统开发与实现
  5.1  多源异构制造大数据场景
  5.2  制造大数据多源融合与分析系统总体设计
    5.2.1  需求分析
    5.2.2  总体结构设计
    5.2.3  数据库设计
  5.3  制造大数据多源融合与分析系统详细设计与实现
    5.3.1  系统详细设计
    5.3.2  系统实现
  5.4  制造大数据多源融合与分析系统应用及效果展示
    5.4.1  系统安装与配置
    5.4.2  应用效果展示
参考文献