电动叉车在关系到国计民生的众多领域中扮演着重要角色,随着物联网技术、通信技术、智能传感器技术在电动叉车上的广泛应用,以种类多、数量大和时效性强为特征的物联网工况数据快速增长。然而传统的电子表格管理方式难以发现这些数据的内在联系,不能充分利用物联网数据的潜在价值。因此,研究电动叉车工况的物联网数据信息的高效呈现,为管理人员提供管理决策的依据,是一个具有应用价值的课题。本文以仓储物流车间中的电动叉车为研究对象,设计和实现了基于B/S结构的电动叉车工况物联网数据可视化系统。论文首先对可视化相关理论与技术进行了阐述,通过分析可视化图表的特点,选择合适的图表应用于本系统;其次通过深入分析系统的实际功能需求,设计了系统的整体架构,确定了可视化平台的详细功能模块和相关技术、语言、可视化工具的选型;最后采用了ECharts+HTML+CSS+Bootstrap+PHP+MySQL开发出图形化的可视化系统。系统以云服务器为基础平台,实现了对电动叉车实时监测、运行监测、车队效率分析、故障管理、车辆和人员信息等相关数据的统计图表展示。经测试,系统的用户交互良好,安全性高。本文针对电动叉车发生故障后才进行维修的这种低效维护模式,结合电动叉车工作情况,将灰色系统GM(1,1)和BP神经网络预测2种算法组合起来,引入灰色神经网络的车辆故障预测模型,预判车辆故障趋势,并及时制定好维修保养决策,实现了基于预防的车辆维护。该系统能够有效地帮助仓储物流的管理人员查看原始数据库中晦涩繁多的数据,精准掌握车辆的当前状况。通过对车辆速度、电池电量、载重量、以及发生的故障等数据的分析,可以了解驾驶员的驾驶习惯,间接形成对人员的考核,从而实现对人、车以及安全进行一体化管理。总的来说,本系统为企业车辆、人员各类信息的分析提供了汇总图表,为决策、考评提供了有力的依据,具有一定的工程实用价值。