复杂装备诊断维护系统关键技术研究

摘要	第1-6页
Abstract	第6-11页
1 绪论	第11-28页
·论文的研究背景和意义	第11-13页
·论文的研究背景	第11-12页
·论文的研究意义	第12-13页
·智能故障诊断技术的研究现状	第13-24页
·诊断知识获取方法	第13-16页
·智能故障诊断方法	第16-18页
·典型相关系统分析	第18-22页
·存在问题	第22页
·智能故障诊断技术的发展趋势	第22-24页
·论文主要研究内容	第24-25页
·论文的组织结构	第25-28页
2 复杂装备诊断维护理念与系统研究	第28-38页
·复杂装备诊断维护理念	第28-31页
·复杂装备诊断维护系统研究	第31-37页
·系统的概念模型	第31-34页
·系统的总体结构	第34-35页
·系统的逻辑结构	第35-37页
·本章小结	第37-38页
3 复杂装备设计知识生成故障诊断与维护知识的方法	第38-49页
·产品设计与诊断维护间的知识封闭性	第38-39页
·复杂装备设计知识生成故障诊断与维护知识的内涵	第39-40页
·复杂装备设计领域诊断维护知识源的描述	第40-44页
·复杂装备设计领域知识描述	第40-43页
·复杂装备设计领域诊断维护知识源的描述与应用分析	第43-44页
·复杂装备设计知识生成故障诊断与维护知识的方法	第44-48页
·复杂装备设计知识生成诊断维护知识的系统模型	第44-46页
·维护知识单元模型及应用视图	第46-48页
·维护子系统中的知识组织模型	第48页
·本章小结	第48-49页
4 复杂装备诊断知识组织模型的研究	第49-57页
·诊断知识组织模型	第49-51页
·诊断知识组织模型在维护系统中所处角色	第49页
·诊断知识组织模型	第49-51页
·组织模型中的诊断知识获取策略	第51-56页
·基于DBOM的知识获取	第52页
·基于概率粗糙集的诊断知识获取	第52-56页
·本章小结	第56-57页
5 复杂装备贝叶斯网络自动构建方法与集成推理策略	第57-73页
·复杂装备故障特性与贝叶斯网络诊断	第57-58页
·贝叶斯网络理论基础	第58-61页
·贝叶斯网络定义	第58页
·条件独立性假设	第58-59页
·贝叶斯网络推理的概率基础	第59页
·贝叶斯网络推理	第59-61页
·贝叶斯网络自动构建技术	第61-71页
·贝叶斯网络构建流程	第61-63页
·贝叶斯网络构建机理	第63页
·贝叶斯网络构建步骤	第63-65页
·贝叶斯网络模型对比分析	第65-66页
·应用实例	第66-71页
·集成推理策略	第71-72页
·本章小结	第72-73页
6 复杂装备故障预诊断技术研究	第73-91页
·概述	第73-75页
·系统故障演变	第73-74页
·故障预诊断内涵与特点	第74页
·故障预诊断的工作背景与流程	第74-75页
·基于SVM的故障特征参数状态趋势预测	第75-84页
·故障特征参数的状态趋势预测	第75-76页
·SVM回归算法	第76-77页
·基于SVM的故障特征参数的状态趋势预测方法	第77-80页
·应用实例	第80-84页
·基于SVM与粗糙集的故障预诊断技术	第84-90页
·原理描述	第84-86页
·应用实例	第86-90页
·本章小结	第90-91页
7 复杂装备诊断维护系统的实施研究	第91-104页
·系统总体设计方案及工作流程	第91-92页
·系统总体设计方案	第91-92页
·系统工作流程	第92页
·PDM中诊断维护知识模型的构建	第92-94页
·PDM中的诊断维护知识模型	第93-94页
·诊断维护知识模型的生成	第94页
·诊断维护服务中心设计开发	第94-102页
·诊断维护服务中心功能设计	第94-96页
·知识管理模块的设计开发	第96-99页
·智能诊断推理模块设计开发	第99-101页
·智能预诊断模块设计开发	第101-102页
·试验测试情况	第102-103页
·本章小结	第103-104页
8 总结与展望	第104-107页
·研究总结	第104-105页
·研究展望	第105-107页
致谢	第107-108页
参考文献	第108-116页
攻读博士学位期间第一作者发表的论文	第116页