| 第一章 绪论 | 第1-18页 |
| 1．1 机械设备故障诊断技术的发展与车辆故障诊断研究的意义 | 第13-14页 |
| 1．2 人工智能与专家系统在故障诊断中的实现与发展趋势 | 第14-15页 |
| 1．3 本文研究的目的和意义 | 第15-16页 |
| 1．4 本文研究的主要内容 | 第16-18页 |
| 第二章 专家系统方法与车辆故障诊断 | 第18-35页 |
| 2．1 专家系统 | 第18-25页 |
| 2．1．1 专家系统的定义与特征 | 第18-19页 |
| 2．1．2 专家系统的一般结构及方法 | 第19-22页 |
| 2．1．2．1 人机接口 | 第19-20页 |
| 2．1．2．2 知识获取机构 | 第20-21页 |
| 2．1．2．3 知识库及其管理系统 | 第21页 |
| 2．1．2．4 推理引擎 | 第21页 |
| 2．1．2．5 数据库及其管理系统 | 第21-22页 |
| 2．1．2．6 解释机构 | 第22页 |
| 2．1．3 专家系统的建造与评价 | 第22-25页 |
| 2．1．3．1 专家系统的建造原则 | 第22-23页 |
| 2．1．3．2 专家系统的开发过程 | 第23-24页 |
| 2．1．3．3 专家系统的评价 | 第24-25页 |
| 2．2 专家系统的推理方法 | 第25-30页 |
| 2．2．1 基于规则的推理 | 第25页 |
| 2．2．2 基于模型的推理 | 第25-26页 |
| 2．2．3 基于实例的推理 | 第26-30页 |
| 2．2．3．1 基于实例推理的基本概念与原理 | 第26-27页 |
| 2．2．3．2 基于实例推理的分类 | 第27-28页 |
| 2．2．3．3 基于实例推理的工作过程 | 第28-30页 |
| 2．3 专家系统与车辆故障诊断 | 第30-34页 |
| 2．3．1 专家系统在机械设备故障诊断中的应用 | 第30页 |
| 2．3．2 现代车辆故障诊断的发展趋势 | 第30-34页 |
| 2．4 本章小结 | 第34-35页 |
| 第三章 于实例推理与基于规则推理方法相融合的研究 | 第35-44页 |
| 3．1 CBR与RBR结合概述 | 第35-37页 |
| 3．1．1 CBR与RBR的数学关系和性能比较 | 第35-36页 |
| 3．1．2 CBR与RBR的结合必然性 | 第36-37页 |
| 3．2 CBR与RBR的结合 | 第37-40页 |
| 3．2．1 专家系统的应用背景 | 第37-38页 |
| 3．2．2 CBR与RBR的结合方式 | 第38-40页 |
| 3．3 CBR与RBR的融合 | 第40-43页 |
| 3．3．1 CBR与RBR传统结合方式的问题 | 第40-41页 |
| 3．3．2 推理单元融合框架的建立 | 第41-42页 |
| 3．3．3 系统内的诊断信息容器 | 第42页 |
| 3．3．4 混合推理系统的整体框架 | 第42-43页 |
| 3．4 本章小结 | 第43-44页 |
| 第四章 实例和实例库建构模式的研究 | 第44-61页 |
| 4．1 专家系统中的知识 | 第44-47页 |
| 4．1．1 知识的基本概念和特点 | 第44页 |
| 4．1．1．1 知识的基本概念 | 第44页 |
| 4．1．1．2 知识具有的特性 | 第44页 |
| 4．1．2 知识的表示方法与组织 | 第44-47页 |
| 4．1．2．1 知识的常用表示方法及选择知识表方法的原则 | 第44-46页 |
| 4．1．2．2 知识的组织 | 第46-47页 |
| 4．2 实例的结构与描述方法 | 第47-57页 |
| 4．2．1 实例结构与描述方法的基本概念 | 第49页 |
| 4．2．2 实例结构的分解与组合 | 第49-53页 |
| 4．2．2．1 实例分解、组合的引入 | 第49-50页 |
| 4．2．2．2 实例分解与组合的基本概念 | 第50-53页 |
| 4．2．3 OAK中实例结构的设计 | 第53-57页 |
| 4．2．3．1 实例结构设计要求的总结 | 第53-54页 |
| 4．2．3．2 实例结构的设计方案 | 第54-57页 |
| 4．3 实例库的整体结构选择和重设计方法 | 第57-60页 |
| 4．3．1 实例库结构选择 | 第57-58页 |
| 4．3．2 实例库继承结构问题的解决 | 第58-60页 |
| 4．4 本章小结 | 第60-61页 |
| 第五章 实例获取方法的研究 | 第61-80页 |
| 5．1 基于句法的实例匹配一例——PATDEX中的实例匹配 | 第62-65页 |
| 5．1．1 没有策略引导的PATDEX实例获取 | 第62-63页 |
| 5．1．2 有策略引导的PATDEX实例获取 | 第63-65页 |
| 5．1．2．1 系统引导方式 | 第63-64页 |
| 5．1．2．2 用户引导方式 | 第64-65页 |
| 5．2 实例获取网络 | 第65-70页 |
| 5．2．1 实例获取网络的引入、概念和工作方法 | 第65-68页 |
| 5．2．1．1 车辆故障诊断的特点及它对专家系统提出的要求 | 第65-66页 |
| 5．2．1．2 实例获取网络的概念和工作方法 | 第66-68页 |
| 5．2．2 实例获取网络模型的正式定义 | 第68-70页 |
| 5．3 信息实体的距离分析和权系数的计算 | 第70-76页 |
| 5．3．1 信息实体的距离分析 | 第71-72页 |
| 5．3．2 信息实体权重的计算 | 第72-76页 |
| 5．3．2．1 确定权系数的特征向量法——理论和过程 | 第72-75页 |
| 5．3．2．2 特征向量法应用举例 | 第75-76页 |
| 5．4 基于枢轴的实例获取——跨类属的实例获取方法 | 第76-78页 |
| 5．5 本章小结 | 第78-80页 |
| 第六章 基于实例与规则融合推理的车诊专家系统实现 | 第80-102页 |
| 6．1 系统分析 | 第80-84页 |
| 6．1．1 需求分析 | 第80-81页 |
| 6．1．2 过程分析 | 第81-83页 |
| 6．1．3 数据流程分析 | 第83-84页 |
| 6．2 系统结构模式的选择与实现 | 第84-90页 |
| 6．2．1 客户／服务器体系结构的基本概念和优点 | 第84-86页 |
| 6．2．2 本系统中的客户／服务器结构 | 第86-90页 |
| 6．3 后端设计——后台数据库的实现 | 第90-95页 |
| 6．4 前端设计——系统界面与前台业务规则的实现 | 第95-98页 |
| 6．5 专家系统的其他特点 | 第98-99页 |
| 6．6 本文研究专家系统诊断过程的实例及系统原型的测试 | 第99-101页 |
| 6．7 本章小结 | 第101-102页 |
| 第七章 本文研究的结论与遗留问题 | 第102-104页 |
| 7．1 结论 | 第102-103页 |
| 7．2 问题与建议 | 第103-104页 |
| 参考文献 | 第104-107页 |
