基于案例推理的机车故障诊断系统研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 论文研究背景 | 第9-10页 |
| 1.2 课题研究的目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 案例推理的发展 | 第11-12页 |
| 1.3.2 案例推理技术在故障诊断技术中的应用 | 第12-13页 |
| 1.4 论文的主要研究内容 | 第13-14页 |
| 第2章 机车案例推理诊断模型构建 | 第14-27页 |
| 2.1 案例推理概述 | 第14-18页 |
| 2.1.1 案例推理技术的基本概念 | 第14页 |
| 2.1.2 案例推理的特点 | 第14-15页 |
| 2.1.3 案例推理技术的技术思想 | 第15-16页 |
| 2.1.4 案例推理的应用 | 第16-17页 |
| 2.1.5 案例推理在机车故障诊断中的技术优势 | 第17-18页 |
| 2.2 机车故障的案例表示 | 第18-23页 |
| 2.2.1 机车故障案例的表示方法 | 第18-21页 |
| 2.2.2 机车故障案例表示的实现 | 第21-23页 |
| 2.3 案例组织 | 第23-24页 |
| 2.4 案例修正 | 第24页 |
| 2.5 案例学习与归纳 | 第24-25页 |
| 2.6 案例库维护 | 第25页 |
| 2.7 基于案例推理的机车故障诊断框架 | 第25-26页 |
| 2.8 本章小结 | 第26-27页 |
| 第3章 机车故障案例中属性和特征权值的获取 | 第27-39页 |
| 3.1 故障案例属性的选择及优化方式 | 第27-28页 |
| 3.2 基于粗糙集的属性约简方法 | 第28-37页 |
| 3.2.1 粗糙集理论简介 | 第28-29页 |
| 3.2.2 基于粗糙集的属性约简算法 | 第29-31页 |
| 3.2.3 机车故障的属性约简 | 第31-34页 |
| 3.2.4 机车故障的值约简 | 第34-37页 |
| 3.3 决策案例中的权重获取方法 | 第37-38页 |
| 3.3.1 权重方法的选择 | 第37页 |
| 3.3.2 机车故障特征权重的计算 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 机车故障案例的检索 | 第39-47页 |
| 4.1 案例检索算法 | 第39-40页 |
| 4.2 近邻检索策略 | 第40-43页 |
| 4.2.1 K近邻算法 | 第40-41页 |
| 4.2.2 属性归一化 | 第41-42页 |
| 4.2.3 加权K-NN算法 | 第42-43页 |
| 4.3 分阶段的近邻检索模型 | 第43-46页 |
| 4.3.1 案例检索的多级索引 | 第43-44页 |
| 4.3.2 机车故障案例的检索 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 机车故障诊断系统设计与实现 | 第47-65页 |
| 5.1 系统需求分析 | 第47-50页 |
| 5.1.1 机车结构组成 | 第47-48页 |
| 5.1.2 机车故障来源 | 第48-49页 |
| 5.1.3 机车故障特点 | 第49-50页 |
| 5.2 系统设计的目标 | 第50-51页 |
| 5.3 系统架构 | 第51页 |
| 5.3.1 系统开发环境 | 第51页 |
| 5.3.2 软件构架 | 第51页 |
| 5.4 系统功能 | 第51-53页 |
| 5.5 数据库设计 | 第53-60页 |
| 5.5.1 数据库设计步骤 | 第53页 |
| 5.5.2 机车故障诊断系统的数据库设计 | 第53-60页 |
| 5.6 系统诊断流程设计 | 第60-62页 |
| 5.7 诊断实例 | 第62-64页 |
| 5.8 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-66页 |
| 6.1 总结 | 第65页 |
| 6.2 研究展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录A 作者研究生期间发表的论文 | 第70-71页 |
| 附录B 作者研究生期间参与的科研项目 | 第71页 |
