| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·问题的提出——课题来源和研究意义 | 第11页 |
| ·高速香烟卷接机组简介 | 第11-12页 |
| ·机械故障诊断技术 | 第12-14页 |
| ·故障诊断技术的概念 | 第12-13页 |
| ·故障诊断技术的发展 | 第13页 |
| ·故障诊断方法的分类 | 第13-14页 |
| ·专家系统介绍 | 第14-16页 |
| ·专家系统的概念 | 第14页 |
| ·专家系统的发展 | 第14页 |
| ·专家系统的特点和应用领域 | 第14-15页 |
| ·专家系统的结构 | 第15-16页 |
| ·故障诊断专家系统 | 第16-17页 |
| ·本文研究内容及主要工作 | 第17-18页 |
| 第2章 基于规则推理的故障诊断专家系统 | 第18-25页 |
| ·规则表示法 | 第18页 |
| ·基于规则推理的诊断流程 | 第18-19页 |
| ·RBR系统 | 第19-20页 |
| ·RBR系统的推理与控制 | 第20-23页 |
| ·诊断过程的推理策略 | 第20-21页 |
| ·诊断过程的控制策略 | 第21-23页 |
| ·冲突消解 | 第23页 |
| ·RBR故障诊断专家系统特点 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第3章 基于案例推理的故障诊断专家系统 | 第25-33页 |
| ·CBR概述 | 第25页 |
| ·CBR的推理流程 | 第25-26页 |
| ·CBR的关键技术 | 第26-30页 |
| ·案例的表示 | 第26-27页 |
| ·案例的存储 | 第27页 |
| ·案例的检索 | 第27-29页 |
| ·案例的修改 | 第29-30页 |
| ·案例的学习和案例库的维护 | 第30页 |
| ·CBR专家系统的特点 | 第30-31页 |
| ·CBR技术在故障诊断中的应用 | 第31页 |
| ·小结 | 第31-33页 |
| 第4章 基于神经网络的故障诊断专家系统 | 第33-42页 |
| ·神经网络概述 | 第33-35页 |
| ·神经网络的拓扑结构 | 第33-35页 |
| ·神经网络的学习 | 第35页 |
| ·BP神经网络 | 第35-38页 |
| ·BP神经网络的结构 | 第36页 |
| ·BP算法 | 第36-38页 |
| ·神经网络在故障诊断中的应用 | 第38页 |
| ·神经网络故障诊断专家系统的设计 | 第38-40页 |
| ·知识存储系统设计 | 第38页 |
| ·网络结构设计 | 第38-39页 |
| ·推理机制设计 | 第39-40页 |
| ·基于ANN故障诊断专家系统的特点 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第5章 卷接机组故障诊断专家系统知识获取和推理策略 | 第42-50页 |
| ·卷接机组故障知识的获取 | 第42-43页 |
| ·故障知识获取的一般方法 | 第42-43页 |
| ·卷接机组故障知识获取方法 | 第43页 |
| ·卷接机组故障特点分析和分类 | 第43-47页 |
| ·树和二叉树的定义 | 第44页 |
| ·卷接机组故障的特点和分类 | 第44-47页 |
| ·集成故障诊断策略 | 第47-48页 |
| ·RBR方法和混合方法的并行推理 | 第47-48页 |
| ·RBR、CBR和ANN的串行混合推理 | 第48页 |
| ·卷接机组故障诊断专家系统的推理流程 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第6章 卷接机组集成故障诊断专家系统的设计与实现 | 第50-70页 |
| ·系统的开发工具 | 第50页 |
| ·卷接机组集成故障诊断专家系统的设计 | 第50-63页 |
| ·人机交互界面设计 | 第51-52页 |
| ·综合知识库设计 | 第52-56页 |
| ·集成推理机制设计 | 第56-63页 |
| ·卷接机组集成故障诊断专家系统的功能模块 | 第63-67页 |
| ·用户管理模块 | 第63-64页 |
| ·综合知识库管理模块 | 第64-66页 |
| ·故障诊断模块 | 第66-67页 |
| ·故障诊断实例验证 | 第67-69页 |
| ·模拟故障信号发生器 | 第67-68页 |
| ·诊断实例 | 第68-69页 |
| ·小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 1.总结 | 第70-71页 |
| 2.展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第76页 |