| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-9页 |
| 目录 | 第9-12页 |
| 1 绪论 | 第12-22页 |
| 1．1 论文研究背景 | 第12-20页 |
| 1．1．1 信度网的研究现状 | 第12-17页 |
| 1．1．2 动态因果图的研究现状 | 第17页 |
| 1．1．3 复杂系统故障诊断的研究现状 | 第17-20页 |
| 1．2 论文章节安排 | 第20-22页 |
| 2 因果图的知识表达与推理算法研究 | 第22-38页 |
| 2．1 因果图的知识表达 | 第22-25页 |
| 2．1．1 因果图 | 第23-24页 |
| 2．1．2 因果树 | 第24-25页 |
| 2．1．3 因果图同信度网在知识表达方式上的差异 | 第25页 |
| 2．2 单值因果图的常规推理算法 | 第25-30页 |
| 2．3 单值因果图推理的新方法 | 第30-36页 |
| 2．3．1 因果图的正规化、标准化变换 | 第30-33页 |
| 2．3．2 标准化因果树的不交化 | 第33-34页 |
| 2．3．3 求不交化标准因果树的最小割集矩阵 | 第34-36页 |
| 2．4 本章小结 | 第36-38页 |
| 3 多值因果图的推理算法研究 | 第38-61页 |
| 3．1 多值因果图存在的困难分析 | 第38-42页 |
| 3．2 多值因果图的一种推理算法 | 第42-53页 |
| 3．2．1 多值因果图修正性的几点补充定义 | 第43页 |
| 3．2．2一 个多值因果图实例 | 第43-45页 |
| 3．2．3 可能性定义与计算 | 第45-48页 |
| 3．2．4 多值因果图向单值因果图的转化 | 第48-51页 |
| 3．2．5 证据E下，感兴趣变量状态的后验概率计算 | 第51-53页 |
| 3．3 多值因果图的一种模糊推理算法 | 第53-60页 |
| 3．3．1 多值因果图的模糊扩展定义 | 第54-58页 |
| 3．3．2 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58-60页 |
| 3．4 本章小结 | 第60-61页 |
| 4章 可能性传播图模型及其专家知识获取方法研究 | 第61-74页 |
| 4．1 引言 | 第61-62页 |
| 4．2 连续变量可能性传播图模型 | 第62-66页 |
| 4．3 可能性传播图模型的专家知识获取方法 | 第66-72页 |
| 4．3．1 可能性传播图模型中的专家知识获取问题 | 第66-68页 |
| 4．3．2 专家知识的模糊表达 | 第68-71页 |
| 4．3．3 模糊表达的专家知识向连接强度函数的转变 | 第71-72页 |
| 4．4 本章小结 | 第72-74页 |
| 5 因果图用于复杂系统故障诊断研究 | 第74-95页 |
| 5．1 引言 | 第74-75页 |
| 5．2 故障知识的表达 | 第75-84页 |
| 5．2．1一 个故障诊断因果图实例 | 第76-81页 |
| 5．2．2 故障影响传播图 | 第81-84页 |
| 5．3 故障模式的求取 | 第84-88页 |
| 5．4 故障模式条件概率的计算 | 第88-89页 |
| 5．5 因果图智能故障诊断平台的设计与实现 | 第89-94页 |
| 5．5．1 系统设计原则 | 第89-90页 |
| 5．5．2 系统整体设计 | 第90-91页 |
| 5．5．3 推理机系统结构 | 第91-93页 |
| 5．5．4 系统界面举例 | 第93-94页 |
| 5．6 本章小结 | 第94-95页 |
| 6 总结 | 第95-97页 |
| 致谢 | 第97-98页 |
| 参考文献 | 第98-102页 |
| 附：1．作者在攻读博士学位期间发表的论文目录 | 第102-103页 |
| 2． 作者在攻读博士学位期间参加的科研项目 | 第103页 |
