案例推理在故障诊断中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-12页 |
| ·解析模型故障诊断法 | 第9页 |
| ·信号处理故障诊断方法 | 第9-10页 |
| ·人工智能诊断的方法 | 第10-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第二章 基于案例推理的故障诊断 | 第14-23页 |
| ·案例推理概述 | 第14-17页 |
| ·基于案例推理的基本工作原理 | 第14-16页 |
| ·发展历史和研究现状 | 第16-17页 |
| ·相关技术方法介绍 | 第17-22页 |
| ·案例组织表示 | 第17-18页 |
| ·案例检索 | 第18-20页 |
| ·案例修正 | 第20页 |
| ·空间查询R-Tree索引 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于空间聚类的案例推理算法 | 第23-33页 |
| ·基于案例推理的案例检索 | 第23-24页 |
| ·DRR算法模型与主要思想 | 第24-25页 |
| ·DRR算法描述 | 第25-30页 |
| ·案例及案例库的表示 | 第26-28页 |
| ·案例库建立R-Tree索引 | 第28页 |
| ·案例检索 | 第28-29页 |
| ·案例过滤 | 第29-30页 |
| ·案例学习与R-Tree索引修正 | 第30页 |
| ·实验 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 DRR模型的的权重优化 | 第33-40页 |
| ·基于案例推理的权重计算 | 第33-34页 |
| ·DRR权重模型 | 第34-35页 |
| ·案例的权重聚类 | 第35-37页 |
| ·案例过滤的二次权重 | 第37页 |
| ·实验 | 第37-39页 |
| ·参数设置 | 第38页 |
| ·实验结果与分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 基于案例推理的设备故障诊断系统 | 第40-50页 |
| ·设备故障诊断系统概述 | 第40页 |
| ·系统设计环境 | 第40-41页 |
| ·硬件环境 | 第40-41页 |
| ·软件环境 | 第41页 |
| ·系统设计 | 第41-43页 |
| ·案例表示设计 | 第43-45页 |
| ·数据库设计 | 第43-44页 |
| ·案例表示 | 第44页 |
| ·案例检索策略 | 第44-45页 |
| ·系统流程 | 第45页 |
| ·系统实现 | 第45-50页 |
| ·信号采集 | 第45-46页 |
| ·权重设置 | 第46-47页 |
| ·故障信号提取 | 第47-48页 |
| ·故障诊断 | 第48页 |
| ·维修方案录入 | 第48-49页 |
| ·故障案例统计查看 | 第49-50页 |
| 第六章 总结和展望 | 第50-51页 |
| ·论文总结 | 第50页 |
| ·工作展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 个人简历 | 第55-56页 |
| 在学期间研究成果及发表的学术论文 | 第56页 |
