全液压挖掘机故障诊断专家系统
| 第1章 绪论 | 第1-31页 |
| 1．1 故障诊断概述 | 第12-16页 |
| 1．1．1 故障诊断的发展历史 | 第12-13页 |
| 1．1．2 故障诊断的主要理论和方法 | 第13-15页 |
| 1．1．3 现代故障诊断的主要内容 | 第15-16页 |
| 1．2 专家系统简介 | 第16-24页 |
| 1．2．1 专家系统概念 | 第16-17页 |
| 1．2．2 专家系统的结构 | 第17-20页 |
| 1．2．3 专家系统面临的问题 | 第20-21页 |
| 1．2．4 专家系统的发展趋势 | 第21-22页 |
| 1．2．5 新一代专家系统 | 第22-24页 |
| 1．3 课题研究的背景 | 第24-28页 |
| 1．4 本课题研究的目的和内容 | 第28-31页 |
| 1．4．1 本文研究的目的和意义 | 第28-29页 |
| 1．4．2 本文研究的主要内容 | 第29-31页 |
| 第2章 全液压挖掘机的系统故障分析 | 第31-43页 |
| 2．1 工程机械概述 | 第31页 |
| 2．2 液压挖掘机的结构与工作原理 | 第31-33页 |
| 2．3 全液压挖掘机的动力系统及故障分析 | 第33-36页 |
| 2．4 全液压挖掘机的液压系统及故障分析 | 第36-39页 |
| 2．5 全液压挖掘机电气控制系统及故障分析 | 第39-42页 |
| 2．6 本章小结 | 第42-43页 |
| 第3章 专家系统的知识处理 | 第43-58页 |
| 3．1 知识与知识表示 | 第43-51页 |
| 3．1．1 知识 | 第43-44页 |
| 3．1．2 知识表示 | 第44-45页 |
| 3．1．3 产生式规则表示 | 第45-47页 |
| 3．1．4 基于模糊的知识表示 | 第47-48页 |
| 3．1．5 基于神经网络的知识表示 | 第48-50页 |
| 3．1．6 面向对象的知识表示 | 第50-51页 |
| 3．2 知识的获取 | 第51-53页 |
| 3．2．1 知识获取的过程 | 第51-52页 |
| 3．2．2 知识获取的方式 | 第52-53页 |
| 3．3 全液压挖掘机故障诊断专家系统的知识库 | 第53-57页 |
| 3．3．1 系统的知识库结构 | 第53-54页 |
| 3．3．2 知识库知识的获取及表示 | 第54-56页 |
| 3．3．3 系统的知识库体系 | 第56-57页 |
| 3．4 本章小结 | 第57-58页 |
| 第4章 专家系统的推理机制 | 第58-68页 |
| 4．1 推理概述 | 第58-60页 |
| 4．1．1 推理的基本概念 | 第58页 |
| 4．1．2 推理的方式及其分类 | 第58-60页 |
| 4．2 推理的控制策略 | 第60-61页 |
| 4．3 系统的推理方向 | 第61-63页 |
| 4．4 推理的搜索策略 | 第63-64页 |
| 4．4．1 宽度优先搜索 | 第63页 |
| 4．4．2 深度优先搜索 | 第63-64页 |
| 4．4．3 启发式搜索 | 第64页 |
| 4．5 全液压挖掘机故障诊断专家系统的推理机制 | 第64-67页 |
| 4．5．1 正向推理 | 第65-66页 |
| 4．5．2 反向推理 | 第66-67页 |
| 4．6 本章小结 | 第67-68页 |
| 第5章 专家系统的实现 | 第68-77页 |
| 5．1 语言和平台的选取 | 第68-69页 |
| 5．2 全液压挖掘机故障诊断专家系统的结构体系 | 第69-71页 |
| 5．2．1 人机接口模块 | 第70页 |
| 5．2．2 知识获取与管理模块 | 第70页 |
| 5．2．3 推理网络模块 | 第70-71页 |
| 5．2．4 帮助模块 | 第71页 |
| 5．2．5 知识库模块 | 第71页 |
| 5．2．6 动态数据库模块 | 第71页 |
| 5．2．7 知识解释模块 | 第71页 |
| 5．2．8 结论模块 | 第71页 |
| 5．3 故障诊断系统运行实例 | 第71-76页 |
| 5．3．1 设备故障诊断 | 第72-74页 |
| 5．3．2 知识管理、积累和系统学习 | 第74-76页 |
| 5．3．3 系统帮助 | 第76页 |
| 5．4 本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第82-83页 |
| 致谢 | 第83-84页 |
| 个人简历 | 第84页 |
