| 1． 前言 | 第1-32页 |
| 1．1 课题研究背景及意义 | 第8-11页 |
| 1．2 国内外相关系统的研究现状 | 第11-17页 |
| 1．2．1 国外典型系统研究现状 | 第11-16页 |
| 1．2．2 国内典型系统研究现状 | 第16-17页 |
| 1．2．3 国内外系统研究发展趋势 | 第17页 |
| 1．3 智能诊断技术的研究现状 | 第17-23页 |
| 1．3．1 故障诊断方法的比较 | 第17-21页 |
| 1．3．2 Bayes Networks诊断的特点 | 第21-22页 |
| 1．3．3 分布式智能故障诊断 | 第22-23页 |
| 1．4 主要研究内容 | 第23-24页 |
| 1．5 全文概述 | 第24-32页 |
| 2． 复杂装备的远程智能监测、诊断与维护系统体系结构研究 | 第32-51页 |
| 2．1 系统总体框架 | 第32-41页 |
| 2．1．1 系统总体结构 | 第32-34页 |
| 2．1．2 系统逻辑结构 | 第34-41页 |
| 2．2 系统功能结构 | 第41-47页 |
| 2．3 系统信息模型 | 第47-49页 |
| 2．4 系统集成 | 第49页 |
| 2．5 小结 | 第49-51页 |
| 3． 复杂装备故障诊断建模技术研究 | 第51-67页 |
| 3．1 复杂系统故障诊断分析 | 第51-52页 |
| 3．2 不确定性诊断的发展 | 第52-54页 |
| 3．3 基于图论的系统结构模型 | 第54-55页 |
| 3．4 系统结构模型的分解 | 第55-58页 |
| 3．4．1 可分离系统和可分级系统的判别 | 第55-56页 |
| 3．4．2 可分级系统的分解 | 第56-58页 |
| 3．5 系统概率模型 | 第58-60页 |
| 3．6 诊断对象建模研究 | 第60-65页 |
| 3．7 小结 | 第65-67页 |
| 4． 基于Bayes Networks的复杂装备故障诊断研究 | 第67-96页 |
| 4．1 基于Bayes Networks节点计算模型研究 | 第67-75页 |
| 4．1．1 Bayes Networks的定义 | 第67-68页 |
| 4．1．2 Bayes Networks的隐马尔可夫过程特性 | 第68-69页 |
| 4．1．3 Bayes Networks的基本计算模型 | 第69-75页 |
| 4．2 基于Bayes Networks的故障诊断任务分解 | 第75-82页 |
| 4．2．1 基于Bayes Networks的推理诊断及任务分解 | 第75-78页 |
| 4．2．2 基于Bayes Networks的诊断子任务计算模型 | 第78-80页 |
| 4．2．3 基于Bayes Networks的诊断过程信息库研究 | 第80-82页 |
| 4．3 基于多Agent的分布式协作诊断系统实现结构 | 第82-93页 |
| 4．3．1 Agent技术简介 | 第82-84页 |
| 4．3．2 故障诊断与维护的组件化系统功能划分 | 第84-86页 |
| 4．3．3 故障诊断与维护的分布式协作组件结构模型研究 | 第86-91页 |
| 4．3．4 Agent间的通讯 | 第91-93页 |
| 4．4 小结 | 第93-96页 |
| 5． 原型系统开发及系统运行环境的实现 | 第96-121页 |
| 5．1 原型系统开发 | 第96-98页 |
| 5．2 系统功能 | 第98页 |
| 5．3 原型系统开发环境 | 第98-100页 |
| 5．4 系统实现 | 第100-117页 |
| 5．4．1 诊断专家工作站实现 | 第100-104页 |
| 5．4．2 诊断服务中心功能实现 | 第104-117页 |
| 5．5 原型系统运行 | 第117-121页 |
| 6． 总结与展望 | 第121-123页 |
| 6．1 研究总结 | 第121-122页 |
| 6．2 研究展望 | 第122-123页 |
| 致谢 | 第123-124页 |
| 攻读博士学位期间参与项目及发表论文 | 第124-125页 |
