| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 1 绪论 | 第14-29页 |
| ·选题背景及意义 | 第14-15页 |
| ·煤矿瓦斯监测系统可靠性现状分析 | 第15-19页 |
| ·煤矿瓦斯监测系统可靠性调查 | 第15-16页 |
| ·煤矿瓦斯监测系统可靠性分析 | 第16-19页 |
| ·煤矿瓦斯监测系统故障诊断国内外研究现状 | 第19-22页 |
| ·监测系统故障机理的研究 | 第20-21页 |
| ·故障诊断理论与诊断方法研究 | 第21页 |
| ·综合故障诊断系统的发展 | 第21-22页 |
| ·智能诊断技术 | 第22-25页 |
| ·专家系统故障诊断 | 第22-23页 |
| ·人工神经网络故障诊断 | 第23-24页 |
| ·基于信息融合的故障诊断 | 第24页 |
| ·基于Agent的故障诊断 | 第24-25页 |
| ·瓦斯监测系统故障诊断存在的问题 | 第25-26页 |
| ·本文主要研究内容 | 第26-29页 |
| 2 瓦斯监测系统故障诊断规划及实现策略 | 第29-45页 |
| ·引言 | 第29页 |
| ·煤矿安全生产监控系统的构架 | 第29-33页 |
| ·系统构架与优点 | 第29-32页 |
| ·瓦斯监测系统的技术要求 | 第32-33页 |
| ·监测系统瓦斯传感器故障模式及其影响 | 第33-38页 |
| ·瓦斯监测系统常见传感器 | 第33-34页 |
| ·瓦斯传感器工作特性 | 第34-36页 |
| ·瓦斯传感器的故障模式及其影响 | 第36-38页 |
| ·瓦斯监测系统的故障诊断策略 | 第38-43页 |
| ·故障诊断的任务和内容 | 第38-39页 |
| ·监测系统诊断方案 | 第39页 |
| ·瓦斯传感器诊断策略 | 第39-41页 |
| ·基于案例的系统诊断策略 | 第41-42页 |
| ·基于多Agent系统故障诊断构架策略 | 第42-43页 |
| ·瓦斯监测系统智能诊断系统的目标分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 3 基于RBF的瓦斯传感器故障诊断研究 | 第45-66页 |
| ·引言 | 第45页 |
| ·基于神经网络时间预测的传感器故障检测原理 | 第45-47页 |
| ·神经网络的时间预测能力 | 第45-46页 |
| ·基于神经网络时间预测的传感器故障诊断基本原理 | 第46-47页 |
| ·人工神经网络在瓦斯传感器故障诊断中实现 | 第47-51页 |
| ·瓦斯传感器神经网络模型的建立 | 第47-48页 |
| ·瓦斯传感器故障诊断的实现 | 第48-49页 |
| ·单瓦斯传感器故障试验分析 | 第49-51页 |
| ·基于RBF网络信息融合的瓦斯传感器故障诊断研究 | 第51-55页 |
| ·基于神经网络融合方法的优点 | 第51-52页 |
| ·径向基函数网络 | 第52-55页 |
| ·基于RBF网络信息融合的瓦斯传感器故障诊断实现 | 第55-65页 |
| ·影响瓦斯监测值的各种环境因素分析 | 第55-56页 |
| ·瓦斯传感器故障诊断结构设计 | 第56-57页 |
| ·故障诊断策略的选取 | 第57-58页 |
| ·瓦斯传感器故障诊断试验分析 | 第58-65页 |
| ·本章小结 | 第65-66页 |
| 4 基于FTA的瓦斯监测系统故障诊断研究 | 第66-86页 |
| ·引言 | 第66页 |
| ·基于故障树诊断的图论模型研究 | 第66-72页 |
| ·基于故障树诊断的图论模型 | 第67-70页 |
| ·瓦斯监测系统井下分站故障树图论模型 | 第70-72页 |
| ·瓦斯监测系统常见运行故障的故障树 | 第72-74页 |
| ·故障树分析方法 | 第72页 |
| ·瓦斯监测系统运行故障树 | 第72-74页 |
| ·基于框架与规则的瓦斯监测系统故障诊断知识表示 | 第74-81页 |
| ·煤矿瓦斯监测系统故障智能诊断的推理机制 | 第81-85页 |
| ·基于报警规则的浅知识推理 | 第81-82页 |
| ·基于故障树诊断规则的深知识推理 | 第82-84页 |
| ·智能诊断系统的推理机制 | 第84页 |
| ·故障诊断应用 | 第84-85页 |
| ·本章小结 | 第85-86页 |
| 5 基于CBR的瓦斯监测系统故障诊断研究 | 第86-106页 |
| ·引言 | 第86页 |
| ·瓦斯监测系统故障案例的表示 | 第86-91页 |
| ·故障案例的描述规范 | 第87-89页 |
| ·案例表示 | 第89-91页 |
| ·基于CBR的瓦斯监测系统故障诊断模型 | 第91-94页 |
| ·CBR运行过程 | 第91-92页 |
| ·CBR诊断模型 | 第92-94页 |
| ·基于CBR故障诊断知识库的建立 | 第94-98页 |
| ·系统中CBR诊断的应用概述 | 第94页 |
| ·CBR诊断知识库设计 | 第94-98页 |
| ·基于神经网络和遗传算法的案例最近邻法检索模型 | 第98-105页 |
| ·基于ART1的案例层次聚类 | 第98-101页 |
| ·基于遗传算法(GA)的特征权值优化 | 第101-104页 |
| ·基于ART1和GA的混合智能CBA体系结构及应用 | 第104-105页 |
| ·本章小结 | 第105-106页 |
| 6 基于多Agent的瓦斯监测系统故障诊断研究 | 第106-132页 |
| ·引言 | 第106页 |
| ·故障诊断的多Agent(MAS)模型分类 | 第106-109页 |
| ·瓦斯监测系统故障诊断的多Agent(MAS)抽象模型 | 第109-112页 |
| ·瓦斯监测系统MAS抽象模型 | 第109-111页 |
| ·功能Agent的构造模型 | 第111-112页 |
| ·瓦斯监测系统多Agent故障诊断系统 | 第112-114页 |
| ·Agent协作的关键技术研究 | 第114-124页 |
| ·Agent间的通信技术研究 | 第114-120页 |
| ·Agent间的协同技术研究 | 第120-122页 |
| ·Agent诊断知识表达与方法 | 第122-124页 |
| ·瓦斯监测系统多诊断智能体解的综合方法 | 第124-130页 |
| ·多Agent合作诊断问题描述 | 第124-126页 |
| ·基于证据理论的多Agent解的综合 | 第126-128页 |
| ·实例分析 | 第128-130页 |
| ·本章小结 | 第130-132页 |
| 7 瓦斯监测系统故障诊断的技术实现 | 第132-141页 |
| ·引言 | 第132页 |
| ·瓦斯监测系统故障诊断的实现方式 | 第132-134页 |
| ·故障智能诊断系统的定位 | 第132-134页 |
| ·故障诊断系统的运行方式 | 第134页 |
| ·瓦斯监测系统故障诊断的实现步骤 | 第134-135页 |
| ·瓦斯监测系故障诊断总体构成及应用 | 第135-140页 |
| ·MAS故障诊断的总体构成 | 第135-137页 |
| ·MAS故障诊断应用分析 | 第137-140页 |
| ·本章小结 | 第140-141页 |
| 8 结论 | 第141-144页 |
| ·主要结论 | 第141-142页 |
| ·主要创新工作 | 第142-143页 |
| ·进一步工作展望 | 第143-144页 |
| 参考文献 | 第144-153页 |
| 致谢 | 第153-154页 |
| 攻读博士学位期间发表的学术论文及所做的科研工作 | 第154-155页 |
| 详细摘要 | 第155-169页 |