| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 论文研究的背景及意义 | 第8-10页 |
| 1.1.1 刮膜蒸发技术的优势及前景 | 第8-9页 |
| 1.1.2 应用故障诊断的必要性 | 第9-10页 |
| 1.2 故障诊断的现状 | 第10-12页 |
| 1.2.1 故障诊断方法研究现状 | 第10-11页 |
| 1.2.2 贝叶斯网络方法的研究现状 | 第11-12页 |
| 1.3 刮膜蒸发装置应用范围 | 第12页 |
| 1.4 全文研究内容及章节安排 | 第12-14页 |
| 第二章 贝叶斯理论与诊断贝叶斯网络建模 | 第14-28页 |
| 2.1 贝叶斯网络的理论基础 | 第14-21页 |
| 2.1.1 贝叶斯法则的理论推导 | 第14-15页 |
| 2.1.2 贝叶斯网络概率推理 | 第15-16页 |
| 2.1.3 贝叶斯网络结构 | 第16-18页 |
| 2.1.4 贝叶斯网络推理算法 | 第18-20页 |
| 2.1.5 贝叶斯网络的学习 | 第20-21页 |
| 2.2 诊断贝叶斯网络 | 第21-26页 |
| 2.2.1 故障诊断与决策 | 第21-23页 |
| 2.2.2 诊断贝叶斯网络的建模形式与抽象概念 | 第23-26页 |
| 2.3 诊断贝叶斯模型的建立 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 贝叶斯网络的预测优化 | 第28-41页 |
| 3.1 BP神经网络的理论基础 | 第28-30页 |
| 3.2 BP预测神经网络结构设计 | 第30-31页 |
| 3.2.1 网络层数的选择 | 第30-31页 |
| 3.2.2 输入输出节点及整体设计 | 第31页 |
| 3.3 BP神经网络的参数选择 | 第31-35页 |
| 3.3.1 数据的预处理 | 第31-32页 |
| 3.3.2 BP神经网络的参数设定 | 第32-35页 |
| 3.4 BP网络的训练 | 第35-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 模糊化输出及诊断仿真 | 第41-53页 |
| 4.1 模糊化系统输出 | 第41-44页 |
| 4.1.1 模糊器结构选择 | 第41页 |
| 4.1.2 定义输入和输出模糊集 | 第41页 |
| 4.1.3 定义隶属函数 | 第41-44页 |
| 4.1.4 建立模糊控制规则 | 第44页 |
| 4.1.5 建立模糊规则的设计标准，建立模糊规则表 | 第44页 |
| 4.1.6 模糊推理 | 第44页 |
| 4.1.7 反模糊化处理 | 第44页 |
| 4.2 基于旋转刮膜蒸发系统的故障诊断仿真分析 | 第44-52页 |
| 4.2.1 贝叶斯网络故障诊断系统仿真 | 第45-50页 |
| 4.2.2 优化后的诊断系统仿真 | 第50-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第五章 结论与展望 | 第53-55页 |
| 5.1 结论 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 作者简介 | 第61页 |
| 攻读硕士学位期间研究成果 | 第61页 |