| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-15页 |
| ·引言 | 第9-10页 |
| ·课题概述 | 第10-14页 |
| ·课题来源 | 第10页 |
| ·课题背景 | 第10-12页 |
| ·诊断技术的发展 | 第12页 |
| ·国内外研究现状 | 第12-14页 |
| ·论文的主要工作 | 第14-15页 |
| 第2章 智能故障诊断技术基础 | 第15-33页 |
| ·引言 | 第15-19页 |
| ·故障及故障诊断 | 第15-17页 |
| ·智能故障诊断系统 | 第17-19页 |
| ·智能故障诊断技术的研究方法 | 第19-24页 |
| ·基于模型的智能故障诊断方法 | 第19-23页 |
| ·基于状态估计的智能故障诊断方法 | 第19-21页 |
| ·基于参数估计的智能故障诊断方法 | 第21页 |
| ·基于故障函数在线逼近的智能故障诊断方法 | 第21-22页 |
| ·基于鲁棒性的智能故障诊断方法 | 第22-23页 |
| ·基于无模型的智能故障诊断方法 | 第23-24页 |
| ·智能故障诊断系统的发展趋势 | 第24-26页 |
| ·集成型智能故障诊断系统 | 第24页 |
| ·基于机器学习的智能故障诊断系统 | 第24页 |
| ·由单机诊断到远程分布式全系统智能诊断 | 第24-25页 |
| ·神经网络智能诊断系统 | 第25-26页 |
| ·数据库技术与人工智能技术相互渗透 | 第26页 |
| ·智能故障诊断系统的一般结构 | 第26-28页 |
| ·引言 | 第26-27页 |
| ·智能故障诊断系统的功能特点 | 第27-28页 |
| ·远程故障诊断(RD)的技术基础 | 第28-33页 |
| ·引言 | 第28-29页 |
| ·远程故障诊断系统(RDS)的一般结构 | 第29-30页 |
| ·远程故障诊断的工作原理 | 第30-31页 |
| ·远程故障诊断的一般模式 | 第31-33页 |
| 第3章 诊断知识的发现与表示 | 第33-50页 |
| ·概述 | 第33-38页 |
| ·知识、知识表示与知识发现 | 第34-37页 |
| ·诊断知识的分类 | 第37-38页 |
| ·故障诊断系统中知识发现的方法 | 第38-42页 |
| ·知识发现是建造专家系统的“瓶颈” | 第38-39页 |
| ·知识发现的主要方法 | 第39-41页 |
| ·智能故障诊断系统中知识发现的一般模型 | 第41-42页 |
| ·智能故障诊断系统中知识的表示方法 | 第42-45页 |
| ·传统的知识表示方法 | 第42-43页 |
| ·智能故障诊断系统中知识的表示方法 | 第43-45页 |
| ·智能故障诊断系统中的不确定性问题 | 第45-48页 |
| ·诊断系统中不确定性的分析 | 第46-48页 |
| ·不确定性知识表示 | 第48页 |
| ·不确定性的推理 | 第48页 |
| ·知识发现技术的国内外研究现状 | 第48-50页 |
| 第4章 炼油厂在线故障诊断与事故预报系统的设计与实现 | 第50-68页 |
| ·概述 | 第50-52页 |
| ·系统的结构图 | 第52-53页 |
| ·智能故障诊断系统与现场PHD接口的实现 | 第53-55页 |
| ·在线操作手册的制作 | 第55-56页 |
| ·诊断知识库(专家系统)的设计与实现 | 第56-60页 |
| ·专家知识的获取、发现 | 第57页 |
| ·知识的表示 | 第57-58页 |
| ·知识库开发实例 | 第58-60页 |
| ·运行指标考核模块的设计与开发 | 第60-61页 |
| ·尤里卡加氢装置在线预估模块的设计实例 | 第61-65页 |
| ·输入输出节点的选取 | 第62页 |
| ·实时数据的获取与处理 | 第62-63页 |
| ·神经网络结构的选择 | 第63-65页 |
| ·在线运行结果 | 第65页 |
| ·基于B／S模式远程故障诊断的实现 | 第65-67页 |
| ·系统评价 | 第67-68页 |
| 第5章 知识发现实例 | 第68-76页 |
| ·引言 | 第68页 |
| ·基于高速机械旋转实验平台的知识获取实例 | 第68-72页 |
| ·数理统计和关联规则的理论基础 | 第68-69页 |
| ·知识发现方法的设计实现 | 第69-72页 |
| ·仿真结果分析和检验 | 第72-73页 |
| ·结论 | 第73-76页 |
| 第6章 结束语 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 附录 | 第83-84页 |
| 致谢 | 第84页 |