| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题的研究背景和意义 | 第11-12页 |
| 1.2 国内外相关研究现状 | 第12-13页 |
| 1.2.1 故障诊断技术研究现状 | 第12页 |
| 1.2.2 网络故障诊断技术研究现状 | 第12-13页 |
| 1.3 智能技术在故障诊断领域中的应用 | 第13-16页 |
| 1.3.1 人工免疫算法在故障诊断领域的应用 | 第13-15页 |
| 1.3.2 智能算法在多重故障诊断领域中的研究进展 | 第15-16页 |
| 1.4 本课题的研究内容及组织结构 | 第16-21页 |
| 1.4.1 研究目标与内容 | 第16-18页 |
| 1.4.2 论文的组织结构 | 第18-21页 |
| 第二章 相关理论知识 | 第21-31页 |
| 2.1 网络故障诊断技术 | 第21-25页 |
| 2.1.1 关键问题 | 第21-22页 |
| 2.1.2 相关的智能诊断方法 | 第22-24页 |
| 2.1.3 有待解决的问题 | 第24-25页 |
| 2.2 免疫理论 | 第25-28页 |
| 2.2.1 生物免疫系统简述 | 第25-26页 |
| 2.2.2 人工免疫理论及模型分析 | 第26-28页 |
| 2.3 证据理论 | 第28-30页 |
| 2.3.1 证据理论的提出 | 第28-29页 |
| 2.3.2 证据理论的应用 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于多代理的故障诊断 | 第31-43页 |
| 3.1 多代理系统 | 第31-32页 |
| 3.2 多代理诊断系统 | 第32-38页 |
| 3.2.1 中央免疫代理 | 第33-34页 |
| 3.2.2 本地诊断代理 | 第34-37页 |
| 3.2.3 本地诊断代理的实现 | 第37-38页 |
| 3.3 故障诊断模块 | 第38-40页 |
| 3.3.1 诊断原理 | 第38-39页 |
| 3.3.2 故障诊断模块设计 | 第39-40页 |
| 3.4 代理之间的通信技术 | 第40-42页 |
| 3.4.1 代理之间的通信方式 | 第40-41页 |
| 3.4.2 代理通信语言 | 第41-42页 |
| 3.5 多代理系统的开发工具 | 第42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于人工智能算法的多重故障诊断 | 第43-53页 |
| 4.1 单节点多重故障诊断系统框架 | 第43-44页 |
| 4.2 GAIS-BP | 第44-50页 |
| 4.2.1 高斯网络 | 第44-47页 |
| 4.2.2 计算亲和力 | 第47-48页 |
| 4.2.3 高斯人工免疫系统 | 第48页 |
| 4.2.4 GAIS学习BP网络的权值和偏差 | 第48-50页 |
| 4.3 证据理论合成法则 | 第50-52页 |
| 4.3.1 相关定义 | 第50-51页 |
| 4.3.2 合成法则 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 免疫理论应用于多重故障的诊断系统 | 第53-63页 |
| 5.1 系统开发环境与开发工具 | 第53-55页 |
| 5.1.1 系统开发环境简介 | 第53页 |
| 5.1.2 系统开发工具简介 | 第53-54页 |
| 5.1.3 AdventNet Snmp API简介 | 第54-55页 |
| 5.2 多重故障诊断系统的实现 | 第55-59页 |
| 5.2.1 系统测试环境 | 第55-56页 |
| 5.2.2 系统功能结构 | 第56页 |
| 5.2.3 模块设计 | 第56页 |
| 5.2.4 系统设计 | 第56-58页 |
| 5.2.5 使用AdventNet Snmp API获得MIB库信息 | 第58页 |
| 5.2.6 诊断模块功能实现 | 第58-59页 |
| 5.3 系统测试及结果分析 | 第59-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 全文总结 | 第63-64页 |
| 6.2 工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士学位期间发表的学术论文目录 | 第71页 |
