基于故障树技术的远程故障诊断专家系统的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-17页 |
| ·论文研究的目的和意义 | 第11-12页 |
| ·国内外相关研究及应用现状 | 第12-14页 |
| ·远程故障诊断关键技术 | 第14-15页 |
| ·论文的主要研究内容 | 第15-17页 |
| 第二章 基于故障树的故障诊断专家系统的系统分析 | 第17-25页 |
| ·传统数字系统故障诊断 | 第17-18页 |
| ·专家系统概述 | 第18-19页 |
| ·故障树分析法概述 | 第19-20页 |
| ·基于故障树的故障诊断专家系统模型 | 第20-22页 |
| ·系统知识库的组成 | 第21-22页 |
| ·诊断对象数据库 | 第22页 |
| ·推理机制 | 第22页 |
| ·本章总结 | 第22-25页 |
| 第三章 故障树分析法研究 | 第25-37页 |
| ·故障树分析法中的基本概念和符号 | 第25-26页 |
| ·故障树分析方法的特点 | 第26-27页 |
| ·故障树的数学表示 | 第27-29页 |
| ·与门结构函数 | 第27页 |
| ·或门结构函数 | 第27-28页 |
| ·故障树结构函数 | 第28-29页 |
| ·故障树的建立 | 第29-32页 |
| ·故障树分析法的步骤 | 第29页 |
| ·故障树的建立的基本方法 | 第29-30页 |
| ·故障树的建立国内外研究现状 | 第30-31页 |
| ·基于元件小故障树的计算机辅助建树法 | 第31-32页 |
| ·故障树的预处理 | 第32-36页 |
| ·故障树模块化的思想 | 第33-34页 |
| ·故障树模块化的具体实现 | 第34-36页 |
| ·本章总结 | 第36-37页 |
| 第四章 故障树的定性分析和定量分析 | 第37-55页 |
| ·二元决策图概述 | 第37页 |
| ·故障树转换为 BDD的过程 | 第37-48页 |
| ·故障树向BDD转化的过程 | 第37-39页 |
| ·利用ite结构实现故障树和 BDD的转换 | 第39-41页 |
| ·构件连接法 | 第41-46页 |
| ·底事件顺序的研究 | 第46-47页 |
| ·两种方法的比较 | 第47-48页 |
| ·故障树的定性分析 | 第48-52页 |
| ·故障树的定性分析概述 | 第48页 |
| ·传统的故障树的定性分析 | 第48-49页 |
| ·基于 BDD的故障树的定性分析 | 第49-50页 |
| ·具体实现 | 第50-52页 |
| ·故障树的定量分析 | 第52-54页 |
| ·顶事件概率分析 | 第52-53页 |
| ·故障树重要度分析 | 第53-54页 |
| ·本章总结 | 第54-55页 |
| 第五章 基于故障树的专家系统的实现和验证 | 第55-79页 |
| ·专家系统知识的获取 | 第55-58页 |
| ·知识获取是专家系统的瓶颈 | 第55-56页 |
| ·知识获取的方法 | 第56页 |
| ·基于故障树建立的知识获取 | 第56-58页 |
| ·知识的表示 | 第58-62页 |
| ·知识的表示应该具备的特征 | 第58页 |
| ·数字系统知识的产生式表示法 | 第58-60页 |
| ·知识的框架表示法 | 第60-61页 |
| ·基于故障树的知识表示法 | 第61-62页 |
| ·知识的存储 | 第62-64页 |
| ·专家系统推理机 | 第64-66页 |
| ·基本诊断单元推理 | 第65页 |
| ·规则框架推理 | 第65-66页 |
| ·基于故障树定量分析的专家系统推理机制 | 第66-69页 |
| ·基于故障树定量分析的故障诊断 | 第66-68页 |
| ·基于故障树定量分析的专家系统推理机制 | 第68-69页 |
| ·基于故障树的专家系统的系统验证 | 第69-78页 |
| ·系统分析实例 | 第69-75页 |
| ·实现中涉及到的数据库表 | 第75-77页 |
| ·结论分析 | 第77-78页 |
| ·本章总结 | 第78-79页 |
| 第六章 总结及展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间发表学术论文情况 | 第85-87页 |
| 致谢 | 第87-88页 |
