摘要 | 第10-12页 |
ABSTRACT | 第12-13页 |
符号说明 | 第14-15页 |
第1章 绪论 | 第15-24页 |
1.1 研究背景 | 第15-17页 |
1.1.1 混合动力推土机的发展现状 | 第15-16页 |
1.1.2 远程监控技术发展现状 | 第16-17页 |
1.2 故障诊断专家系统 | 第17-21页 |
1.2.1 故障诊断技术 | 第17-19页 |
1.2.2 基于数据驱动的故障诊断专家系统 | 第19-21页 |
1.3 课题研究意义 | 第21页 |
1.4 课题来源及主要内容 | 第21-24页 |
1.4.1 课题来源 | 第21-22页 |
1.4.2 课题主要内容 | 第22-24页 |
第2章 数据的采集及样本库建立 | 第24-34页 |
2.1 混合动力推土机 | 第24-26页 |
2.1.1 混合动力技术 | 第24页 |
2.1.2 混合动力推土机的结构 | 第24-26页 |
2.2 远程监控系统 | 第26-29页 |
2.2.1 系统总体设计 | 第26-27页 |
2.2.2 检测传感器 | 第27页 |
2.2.3 车载终端 | 第27-28页 |
2.2.4 数据通信 | 第28-29页 |
2.2.5 监控中心 | 第29页 |
2.3 样本库的建立 | 第29-32页 |
2.3.1 整体规划设计 | 第30页 |
2.3.2 需求分析 | 第30-31页 |
2.3.3 概念结构设计 | 第31页 |
2.3.4 逻辑结构设计 | 第31-32页 |
2.3.5 物理结构设计 | 第32页 |
2.4 本章小结 | 第32-34页 |
第3章 基于规则推理(RBR) | 第34-47页 |
3.1 RBR基本原理 | 第34-35页 |
3.1.1 RBR概述 | 第34页 |
3.1.2 RBR基本流程 | 第34-35页 |
3.2 模糊分析 | 第35-42页 |
3.2.1 模糊理论隶属度函数 | 第36-37页 |
3.2.2 样本库的模糊处理 | 第37-42页 |
3.3 关联规则分析 | 第42-46页 |
3.3.1 关联规则及Apriori算法 | 第42-43页 |
3.3.2 利用R总结规则 | 第43-46页 |
3.4 本章小结 | 第46-47页 |
第4章 基于实例推理(CBR) | 第47-60页 |
4.1 CBR基本原理 | 第47-48页 |
4.1.1 CBR概述 | 第47页 |
4.1.2 CBR基本流程 | 第47-48页 |
4.2 K最临近算法(K-NN) | 第48-53页 |
4.2.1 K最临近算法的基本流程 | 第48-49页 |
4.2.2 整体距离及相似度计算 | 第49-50页 |
4.2.3 分量距离及相似度计算 | 第50-51页 |
4.2.4 层次分析法计算特征项权重 | 第51-53页 |
4.3 CBR在系统中的应用 | 第53-59页 |
4.3.1 实例组织 | 第53-55页 |
4.3.2 权重计算 | 第55-56页 |
4.3.3 实例检索 | 第56-58页 |
4.3.4 实例管理 | 第58-59页 |
4.4 本章小结 | 第59-60页 |
第5章 基于Hybrid CBR的混合动力推土机故障诊断专家系统 | 第60-81页 |
5.1 系统平台介绍 | 第60-64页 |
5.1.1 系统基本框架 | 第60-62页 |
5.1.2 系统软件平台 | 第62-64页 |
5.2 系统模块介绍 | 第64-72页 |
5.2.1 基于规则推理模块 | 第64-66页 |
5.2.2 故障规则库维护模块 | 第66-68页 |
5.2.3 基于实例推理模块 | 第68-71页 |
5.2.4 故障实例库维护模块 | 第71-72页 |
5.3 发动机系统故障诊断实例 | 第72-80页 |
5.3.1 特征项的选择与表示 | 第72-74页 |
5.3.2 故障诊断的实现 | 第74-80页 |
5.4 本章小结 | 第80-81页 |
第6章 总结与展望 | 第81-83页 |
6.1 本文总结 | 第81-82页 |
6.2 研究展望 | 第82-83页 |
参考文献 | 第83-87页 |
致谢 | 第87-88页 |
攻读硕士学位期间发表的学术论文及参与项目 | 第88-89页 |
附件 | 第89页 |