| 符号说明 | 第4-8页 |
| 中文摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-18页 |
| 1.1 背景与意义 | 第11-12页 |
| 1.1.1 水质监控设备对集约化养殖的意义 | 第11页 |
| 1.1.2 水质监控设备故障对集约化水产养殖的威胁 | 第11-12页 |
| 1.1.3 设备故障诊断研究难点 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 定性诊断算法 | 第12-13页 |
| 1.2.2 定量诊断算法 | 第13-15页 |
| 1.2.3 当前故障诊断模型的不足 | 第15页 |
| 1.3 论文主要研究内容及组织结构 | 第15-18页 |
| 1.3.1 基于模式识别的故障诊断体系 | 第15-17页 |
| 1.3.2 方法论 | 第17-18页 |
| 2 基于Bayes的故障诊断知识库 | 第18-24页 |
| 2.1 概述 | 第18页 |
| 2.2 Bayes网络模型基础 | 第18-20页 |
| 2.2.1 知识表示 | 第18-19页 |
| 2.2.2 Bayes网络定义 | 第19-20页 |
| 2.3 诊断知识库设计 | 第20-23页 |
| 2.3.1 诊断知识抽象 | 第20-21页 |
| 2.3.2 知识库结构与数据 | 第21-23页 |
| 2.3.3 扩充原则 | 第23页 |
| 本章小结 | 第23-24页 |
| 3 症状识别与预处理 | 第24-34页 |
| 3.1 概述 | 第24页 |
| 3.2 数据通讯协议结构优化 | 第24-26页 |
| 3.3 结构模式识别框架 | 第26-27页 |
| 3.4 特征提取与识别算法 | 第27-30页 |
| 3.4.1 简单识别 | 第27-28页 |
| 3.4.2 SVM症状识别算法 | 第28-30页 |
| 3.5 算法验证 | 第30-32页 |
| 3.5.1 虚拟设备与服务器 | 第31-32页 |
| 3.5.2 实验方案与结果 | 第32页 |
| 本章小结 | 第32-34页 |
| 4 原因搜索与反馈算法 | 第34-42页 |
| 4.1 概述 | 第34页 |
| 4.2 RWS算法 | 第34-37页 |
| 4.2.1 RWS算法流程 | 第34-35页 |
| 4.2.2 RWS算法推导 | 第35-36页 |
| 4.2.3 RWS核心函数集 | 第36-37页 |
| 4.3 反馈算法 | 第37-39页 |
| 4.3.1 反馈对象与原则 | 第37-38页 |
| 4.3.2 反馈调节函数 | 第38-39页 |
| 4.4 算法验证 | 第39-40页 |
| 本章小结 | 第40-42页 |
| 5 系统实现与评估模型 | 第42-51页 |
| 5.1 概述 | 第42页 |
| 5.2 系统分析 | 第42-43页 |
| 5.2.1 需求分析 | 第42页 |
| 5.2.2 功能分析 | 第42-43页 |
| 5.2.3 运行环境 | 第43页 |
| 5.3 系统设计 | 第43-46页 |
| 5.3.1 框架设计 | 第43页 |
| 5.3.2 功能设计 | 第43-44页 |
| 5.3.3 流程设计 | 第44-46页 |
| 5.4 系统实现 | 第46-48页 |
| 5.4.1 开发技术 | 第46页 |
| 5.4.2 开发与运行环境 | 第46页 |
| 5.4.3 模型及诊断程序 | 第46-47页 |
| 5.4.4 WEB应用界面展示 | 第47-48页 |
| 5.5 效果评估模型 | 第48-50页 |
| 本章小结 | 第50-51页 |
| 6 结论与展望 | 第51-55页 |
| 6.1 概述 | 第51页 |
| 6.2 实际应用效果 | 第51-52页 |
| 6.3 展望 | 第52-54页 |
| 本章小结 | 第54-55页 |
| 7 参考文献 | 第55-60页 |
| 8 附录 | 第60-71页 |
| 附录Ⅰ | 第60-62页 |
| 附录Ⅱ | 第62-69页 |
| 附录Ⅲ | 第69-71页 |
| 9 致谢 | 第71-72页 |
| 10 在读硕士期间取得的主要学术成果 | 第72页 |