| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 选题背景与研究意义 | 第13-14页 |
| 1.2 故障诊断专家系统的国内外现状与发展趋势 | 第14-16页 |
| 1.2.1 国内外现状 | 第14-15页 |
| 1.2.2 国内外发展趋势 | 第15-16页 |
| 1.3 论文主要研究内容以及本文结构 | 第16-17页 |
| 1.4 本章小结 | 第17-19页 |
| 第二章 捣固车及捣固车故障诊断专家系统具体分析 | 第19-27页 |
| 2.1 捣固车介绍 | 第19-20页 |
| 2.2 捣固车主要构成和捣固车主要故障 | 第20-22页 |
| 2.2.1 捣固车主要构成 | 第20-21页 |
| 2.2.2 捣固车主要故障 | 第21-22页 |
| 2.3 捣固车故障诊断专家系统需求分析 | 第22-25页 |
| 2.3.1 总体分析 | 第22-24页 |
| 2.3.2 捣固车部件概率统计应用分析 | 第24页 |
| 2.3.3 数据库与知识库应用分析 | 第24页 |
| 2.3.4 专家诊断系统应用分析 | 第24页 |
| 2.3.5 专家诊断系统的安全应用分析 | 第24-25页 |
| 2.3.6 标准规范化体系分析 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 BP神经网络及算法具体介绍 | 第27-49页 |
| 3.1 基于BP神经网络故障专家系统的原理和特点 | 第27-34页 |
| 3.1.1 BP神经网络的原理 | 第27-31页 |
| 3.1.2 BP神经网络的特点和结构 | 第31-34页 |
| 3.2 基于BP神经网络的知识表示与推理 | 第34-38页 |
| 3.2.1 基于BP神经网络的知识表示 | 第34-36页 |
| 3.2.2 基于BP神经网络的知识推理 | 第36-38页 |
| 3.3 基于BP神经网络的捣固车故障专家系统的算法介绍及改进措施 | 第38-47页 |
| 3.3.1 梯度下降算法介绍 | 第38页 |
| 3.3.2 梯度下降法和神经网络的结合 | 第38-42页 |
| 3.3.3 BP神经网络算法主要改进措施 | 第42-45页 |
| 3.3.4 本论文针对BP神经网络算法进行的主要改进措施 | 第45-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第四章 基于Web服务的捣固车故障诊断专家系统具体软硬件设计 | 第49-69页 |
| 4.1 基于Web服务的捣固车故障诊断专家系统的整体架构 | 第49-52页 |
| 4.1.1 远程故障诊断系统的整体架构 | 第49页 |
| 4.1.2 专家系统的逻辑架构 | 第49-50页 |
| 4.1.3 专家诊断系统知识库体系架构 | 第50-51页 |
| 4.1.4 专家诊断系统知识库体系架构 | 第51-52页 |
| 4.2 远程故障诊断专家系统软硬件配置 | 第52-60页 |
| 4.2.1 Web服务器设计 | 第52-53页 |
| 4.2.2 数据库服务器设计 | 第53-55页 |
| 4.2.3 数据库设计 | 第55-60页 |
| 4.3 捣固车故障诊断系统中涉及主要技术 | 第60-66页 |
| 4.3.1 知识库更新管理技术 | 第60-61页 |
| 4.3.2 推理机技术 | 第61-64页 |
| 4.3.3 专家诊断系统客户端技术 | 第64页 |
| 4.3.4 远程故障诊断系统的安全策略技术 | 第64-66页 |
| 4.4 本章小结 | 第66-69页 |
| 第五章 捣固车故障诊断专家系统诊断流程设计及故障诊断实际应用 | 第69-85页 |
| 5.1 捣固车故障诊断专家系统诊断流程设计 | 第69-70页 |
| 5.2 改进的BP神经网络算法主要实现过程 | 第70-77页 |
| 5.2.1 定义BP Network类 | 第70-71页 |
| 5.2.2 定义BP Network类方法 | 第71-75页 |
| 5.2.3 改进的BP神经网络算法在系统中的体现 | 第75-77页 |
| 5.3 专家系统的故障诊断实际应用 | 第77-83页 |
| 5.4 本章小结 | 第83-85页 |
| 第六章 结论与展望 | 第85-87页 |
| 6.1 结论及主要完成工作 | 第85-86页 |
| 6.2 对未来的展望 | 第86-87页 |
| 致谢 | 第87-89页 |
| 参考文献 | 第89-91页 |
| 附录A 攻读学位期间发表论文(第一作者)与软件著作权 | 第91-93页 |
| 附录B 攻读学位期间参与的研究工作 | 第93页 |
