数控机床故障诊断专家系统设计
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第8-9页 |
| 1 绪论 | 第9-13页 |
| 1.1 设备故障诊断技术背景 | 第9-10页 |
| 1.2 专家系统的发展 | 第10页 |
| 1.3 课题研究的意义 | 第10-11页 |
| 1.4 课题研究的具体工作 | 第11页 |
| 1.5 论文的整体框架 | 第11-13页 |
| 2 数控设备及专家系统介绍 | 第13-28页 |
| 2.1 数控设备的类型及组成结构 | 第13-15页 |
| 2.2 数控设备故障类型及常见的故障 | 第15-19页 |
| 2.3 专家系统概述 | 第19-22页 |
| 2.3.1 专家系统的特点 | 第19-20页 |
| 2.3.2 专家系统的类别 | 第20-21页 |
| 2.3.3 专家系统的结构 | 第21-22页 |
| 2.4 专家系统知识的表示及获取概述 | 第22-25页 |
| 2.4.1 专家系统知识的表示方法 | 第22-24页 |
| 2.4.2 专家系统知识的获取方法 | 第24-25页 |
| 2.5 专家系统的工作与研发流程 | 第25-28页 |
| 2.5.1 专家系统的工作流程 | 第25-26页 |
| 2.5.2 专家系统的研发流程 | 第26-28页 |
| 3 数控机床故障诊断专家系统总体设计 | 第28-32页 |
| 3.1 本文专家系统的需求分析 | 第28-29页 |
| 3.2 专家系统的总体设计 | 第29-32页 |
| 3.2.1 系统开发及运行环境 | 第29-30页 |
| 3.2.2 系统的功能模块设计 | 第30-31页 |
| 3.2.3 系统的工作流程设计 | 第31-32页 |
| 4 基于案例的推理机制设计 | 第32-51页 |
| 4.1 案例推理技术概述 | 第33-34页 |
| 4.2 基于KNN与AHP算法的案例推理机制 | 第34-45页 |
| 4.2.1 案例的知识构成 | 第35-37页 |
| 4.2.2 案例的检索方法 | 第37-41页 |
| 4.2.3 案例的重用 | 第41-42页 |
| 4.2.4 案例的修正与维护 | 第42-43页 |
| 4.2.5 案例推理部分代码 | 第43-45页 |
| 4.3 案例推理实例验证 | 第45-51页 |
| 5 基于规则的推理机制设计 | 第51-69页 |
| 5.1 规则推理技术概述 | 第51-53页 |
| 5.1.1 规则的基本推理方向 | 第51-52页 |
| 5.1.2 规则推理的检索策略 | 第52-53页 |
| 5.2 基于故障树分析法的规则推理机制 | 第53-65页 |
| 5.2.1 故障树分析法基本步骤 | 第53-55页 |
| 5.2.2 故障树的定性分析 | 第55-60页 |
| 5.2.3 故障树的定量分析 | 第60-62页 |
| 5.2.4 本文中规则推理数据知识库 | 第62-64页 |
| 5.2.5 规则推理部分代码 | 第64-65页 |
| 5.3 规则推理实例验证 | 第65-69页 |
| 6 人机交互界面设计 | 第69-74页 |
| 6.1 故障录入界面 | 第69-71页 |
| 6.2 故障处理界面 | 第71-72页 |
| 6.3 界面交互异步通信部分代码 | 第72-74页 |
| 7 系统实例验证 | 第74-88页 |
| 7.1 P3200G数控磨齿机故障实例 | 第74-81页 |
| 7.2 DMU210P数控五轴加工中心故障实例 | 第81-86页 |
| 7.3 系统实际运行情况分析 | 第86-88页 |
| 结论 | 第88-89页 |
| 参考文献 | 第89-91页 |
| 致谢 | 第91-92页 |
