| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1.绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 因果图理论研究现状 | 第12-14页 |
| 1.3 论文创新点及内容安排 | 第14-16页 |
| 1.3.1 论文创新点 | 第14-15页 |
| 1.3.2 论文内容的安排 | 第15-16页 |
| 2.因果图理论 | 第16-21页 |
| 2.1 引言 | 第16页 |
| 2.2 因果图知识表达 | 第16-18页 |
| 2.3 因果图的一般推理算法 | 第18-20页 |
| 2.4 小结 | 第20-21页 |
| 3.基于Petri网的因果图最小割集推理 | 第21-34页 |
| 3.1 引言 | 第21页 |
| 3.2 Petri网理论简介 | 第21-25页 |
| 3.2.1 Petri网理论概述 | 第21-22页 |
| 3.2.2 库所和变迁的吸收原则 | 第22-23页 |
| 3.2.3 基本库所的运算法则 | 第23-25页 |
| 3.3 基于Petri网的因果图最小割集求解 | 第25-27页 |
| 3.3.1 因果图向Petri网的转换步骤 | 第25-26页 |
| 3.3.2 基于Petri网求解因果图最小割集的算法 | 第26页 |
| 3.3.3 对有重复事件的因果图最小割集求解 | 第26-27页 |
| 3.4 实例分析 | 第27-33页 |
| 3.5 小结 | 第33-34页 |
| 4.基于因果图最小割集和BAM神经网络的故障诊断 | 第34-46页 |
| 4.1 BAN神经网络简介 | 第34-36页 |
| 4.1.1 BAM神经网络的拓扑结构 | 第35页 |
| 4.1.2 BAM神经网络的训练过程 | 第35-36页 |
| 4.2 BAM神经网络的实时诊断原理 | 第36-38页 |
| 4.2.1 BAM神经网络的工作原理 | 第36-37页 |
| 4.2.2 输入向量的正交化处理 | 第37-38页 |
| 4.3 BAM神经网络用于系统的故障诊断 | 第38-40页 |
| 4.3.1 BAM神经网络训练样本的提取 | 第38-39页 |
| 4.3.2 神经网络双向联想记忆算法实现 | 第39-40页 |
| 4.4 实例分析 | 第40-45页 |
| 4.5 小结 | 第45-46页 |
| 5.总结 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 附录A(施密特正交化程序) | 第50-51页 |
| 附录B | 第51-52页 |
| 附录C | 第52-54页 |
| 附录D | 第54-55页 |
| 附录E：作者攻读硕士学位期间发表论文及科研情况 | 第55-56页 |
| 致谢 | 第56-57页 |