| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| 1．1 本课题的提出及研究意义 | 第9-14页 |
| 1．1．1 信度网的缺点 | 第10-13页 |
| 1．1．2 因果网的优点及发展状况 | 第13-14页 |
| 1．2 论文的章节安排 | 第14-15页 |
| 第2章 故障诊断的基本理论 | 第15-22页 |
| 2．1 引言 | 第15页 |
| 2．2 故障 | 第15-16页 |
| 2．3 人工智能与专家系统简述 | 第16-17页 |
| 2．4 常用的故障诊断理论及存在的问题 | 第17-20页 |
| 2．4．1 基于规则的专家系统 | 第17-18页 |
| 2．4．2 模糊逻辑 | 第18-19页 |
| 2．4．3 神经元网络 | 第19-20页 |
| 2．5 基于概率的非精确推理在的问题 | 第20-21页 |
| 2．6 本章小节 | 第21-22页 |
| 第3章 动态因果图推理模型 | 第22-48页 |
| 3．1 引言 | 第22页 |
| 3．2 因果图的知识表达 | 第22-30页 |
| 3．2．1 因果图 | 第22-24页 |
| 3．2．2 因果图同信度网在知识表达方式上的差异 | 第24页 |
| 3．2．3 因果树 | 第24-25页 |
| 3．2．4 单值因果图的常规推理算法 | 第25-30页 |
| 3．3 多值因果图的推理算法 | 第30-42页 |
| 3．3．1 多值因果图存在的困难 | 第30-34页 |
| 3．3．2 多值因果图的一种推理算法 | 第34-42页 |
| 3．4 多值因果图的一种模糊推理算法 | 第42-47页 |
| 3．4．1 多值因果图的模糊扩展定义 | 第42-46页 |
| 3．4．2 在证据E下，感兴趣变量H的读数变量某取值的后验概率计算 | 第46-47页 |
| 3．5 本章小节 | 第47-48页 |
| 第4章 动态因果图中的一些难点及其解决方法 | 第48-54页 |
| 4．1 引言 | 第48页 |
| 4．2 单值因果图推理中的运算量问题 | 第48页 |
| 4．3 多值因果图中的模糊处理问题 | 第48-49页 |
| 4．4 可能性因果传播图中的专家知识获取问题 | 第49-50页 |
| 4．5 动态问题 | 第50-52页 |
| 4．6 连续过程系统中的初因事件和非初因事件的不同含义和多重事件的推理问题 | 第52页 |
| 4．7 虚假信号和不完美知识库的问题 | 第52-53页 |
| 4．8 本章小节 | 第53-54页 |
| 第5章 动态因果图用于汽车发动机故障诊断的实例 | 第54-69页 |
| 5．1 引言 | 第54页 |
| 5．2 汽车发动机故障诊断的知识策略和求解策略 | 第54-55页 |
| 5．3 系统结构 | 第55-59页 |
| 5．3．1 系统的整体设计 | 第56-57页 |
| 5．3．2 推理机的系统结构 | 第57-58页 |
| 5．3．3 知识库的建立 | 第58-59页 |
| 5．4 汽油发动机的故障知识表达 | 第59-64页 |
| 5．5 建模的具体步骤 | 第64-66页 |
| 5．6 推理过程 | 第66-67页 |
| 5．7 本章小节 | 第67-69页 |
| 第6章 总结 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-72页 |