| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| 1、1 课题背景与研究意义 | 第10-11页 |
| 1、2 国内外研究现状 | 第11-12页 |
| 1、2、1 智能故障诊断系统国内外研究现状 | 第11-12页 |
| 1、3 论文研究的主要内容 | 第12-13页 |
| 第二章 专家系统的诊断方法研究 | 第13-25页 |
| 2、1 专家系统介绍 | 第13-14页 |
| 2、1、1 专家系统的概念和特点 | 第13页 |
| 2、1、2 专家系统结构 | 第13-14页 |
| 2、2 故障树分析方法研究 | 第14-19页 |
| 2、2、1 故障树分析法中的基本概念和符号 | 第14-16页 |
| 2、2、2 故障树的表示和分类 | 第16-17页 |
| 2、2、3 故障树的建立 | 第17-18页 |
| 2、2、4 故障树的定性与定量分析 | 第18-19页 |
| 2、3 神经网络分析方法研究 | 第19-23页 |
| 2、3、1 人工神经网络概述 | 第19-20页 |
| 2、3、2 BP 神经网络概述 | 第20-22页 |
| 2、3、3 Bayes 神经网络概述 | 第22-23页 |
| 2、4 本章小结 | 第23-25页 |
| 第三章 专家系统的总体设计 | 第25-37页 |
| 3、1 空间相机故障诊断方法的选取 | 第25-30页 |
| 3、1、1 基于专家系统的故障诊断 | 第25-26页 |
| 3、1、2 基于故障树分析法的故障诊断专家系统 | 第26-27页 |
| 3、1、3 神经网络专家系统 | 第27-28页 |
| 3、1、4 网上专家系统 | 第28-29页 |
| 3、1、5 综合性智能故障诊断专家系统 | 第29-30页 |
| 3、2 空间相机故障诊断专家系统的组成 | 第30-34页 |
| 3、3 系统开发工具的选取 | 第34-36页 |
| 3、5 本章小结 | 第36-37页 |
| 第四章 知识库的构建 | 第37-54页 |
| 4、1 空间相机的知识获取 | 第37-43页 |
| 4、1、1 空间相机概述 | 第37页 |
| 4、1、2 空间相机主要故障模式与对策 | 第37-39页 |
| 4、1、3 空间相机故障树的建立 | 第39-42页 |
| 4、1、4 知识获取方法的选取 | 第42-43页 |
| 4、1、5 基于空间相机故障树建立的知识获取 | 第43页 |
| 4、2 空间相机的知识表示 | 第43-48页 |
| 4、2、1 知识表示方法的选取 | 第43-45页 |
| 4、2、2 故障树定性分析应用于知识表示 | 第45页 |
| 4、2、3 面向故障树的基于框架和规则的知识表示 | 第45-47页 |
| 4、2、4 神经网络应用于知识表示 | 第47-48页 |
| 4、4 知识库的基本构成 | 第48-49页 |
| 4、5 知识库的建立 | 第49-54页 |
| 4、6 本章小结 | 第54页 |
| 第五章 推理机的构建 | 第54-70页 |
| 5、1 推理策略的选取 | 第54-60页 |
| 5、1、1 控制策略的选取 | 第54-57页 |
| 5、1、2 搜索策略的选取 | 第57-60页 |
| 5、2 面向故障树的基于规则和框架的推理设计 | 第60-66页 |
| 5、2、1 基于规则和框架的推理 | 第60-61页 |
| 5、2、2 冲突小节策略的选取 | 第61页 |
| 5、2、3 故障树定量分析在推理机中的应用 | 第61-66页 |
| 5、3 神经网络的推理设计 | 第66页 |
| 5、4 推理机的实现 | 第66-69页 |
| 5、5 本章小结 | 第69-70页 |
| 第六章 专家系统功能的实现 | 第70-76页 |
| 6、1 JAVA 调用MATLAB 的实现 | 第70-71页 |
| 6、1、1 环境准备 | 第70页 |
| 6、1、2 将matlab 的m 文件生成为jar | 第70-71页 |
| 6、2 故障诊断专家系统的实现 | 第71-75页 |
| 6、2、1 专家系统实现 | 第71-72页 |
| 6、2、2 BP 神经网络故障诊断仿真 | 第72-74页 |
| 6、2、3 Bayes 神经网络故障诊断仿真 | 第74-75页 |
| 6、3 本章小结 | 第75-76页 |
| 结论与展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 在学期间学术成果情况 | 第81-82页 |
| 指导教师及作者简介 | 第82-83页 |
| 致谢 | 第83页 |