| 1 绪论 | 第1-17页 |
| 1．1 机械故障诊断技术发展概述 | 第8-11页 |
| 1．1．1 信号测量与处理 | 第9-10页 |
| 1．1．2 模式识别与诊断推理 | 第10-11页 |
| 1．1．3 电机故障诊断发展的概述 | 第11页 |
| 1．2 人工智能技术发展概述及研究领域 | 第11-15页 |
| 1．2．1 专家系统 | 第12页 |
| 1．2．2 人工神经网络 | 第12-13页 |
| 1．2．3 模糊推理 | 第13页 |
| 1．2．4 机器学习 | 第13-14页 |
| 1．2．5 模式识别 | 第14页 |
| 1．2．6 自然语言理解 | 第14-15页 |
| 1．3 人工智能在电机故障诊断领域研究概况 | 第15-16页 |
| 1．4 本文主要研究工作 | 第16-17页 |
| 2 异步电机故障形式及机理研究 | 第17-26页 |
| 2．1 且异步电动机的结构和运行原理 | 第17-18页 |
| 2．1．1 异步电动机的结构 | 第17页 |
| 2．1．2 异步电动机的运行基本原理 | 第17-18页 |
| 2．2 异步电动机故障形式及其机理研究 | 第18-22页 |
| 2．2．1 异步电动机故障发展模式 | 第18页 |
| 2．2．2 异步电动机故障形式及机理研究 | 第18-22页 |
| 2．3 异步电动机故障机理与技术条件之间的关系 | 第22-23页 |
| 2．4 电机故障诊断技术的特点 | 第23-26页 |
| 2．4．1 涉及的知识领域 | 第23-24页 |
| 2．4．2 电机诊断技术 | 第24-26页 |
| 3 框架理论 | 第26-42页 |
| 3．1 框架理论概述 | 第26-27页 |
| 3．2 框架 | 第27-30页 |
| 3．3 框架网络 | 第30-31页 |
| 3．4 框架中槽的设置与组织 | 第31-37页 |
| 3．5 框架系统中求解问题的基本过程 | 第37-39页 |
| 3．6 框架表示法的特点 | 第39-40页 |
| 3．7 故障知识的框架表示法与其他表示法的比较 | 第40-42页 |
| 4 人工智能在电机故障诊断中若干应用 | 第42-61页 |
| 4．1 基于框架理论的专家系统在电机诊断的方法应用 | 第42-53页 |
| 4．1．1 电机诊断专家系统的构成 | 第42-44页 |
| 4．1．2 电机故障诊断专家系统一些基本特征 | 第44-46页 |
| 4．1．3 框架表示电机故障形式 | 第46-49页 |
| 4．1．4 异步电动机的故障框架推理 | 第49-50页 |
| 4．1．5 故障框架的搜索策略 | 第50-53页 |
| 4．2 模糊故障诊断研究 | 第53-58页 |
| 4．2．1 模糊数学及模糊诊断 | 第53-54页 |
| 4．2．2 模糊数学分析基础 | 第54-56页 |
| 4．2．3 模糊模式识别 | 第56-58页 |
| 4．3 模糊诊断的实际应用 | 第58-61页 |
| 5 基于框架理论的电机故障诊断专家系统软件编制 | 第61-69页 |
| 5．1 开发语言的选择 | 第61页 |
| 5．2 软件的实现 | 第61-62页 |
| 5．3 基于框架理论的电机故障诊断专家系统软件程序的特点 | 第62-63页 |
| 5．4 电机数据库及知识库的开发 | 第63-69页 |
| 6 总结与展望 | 第69-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-75页 |