基于粗糙集和RETE算法的炮控系统故障诊断专家系统的研究与应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 本文课题研究背景 | 第12-13页 |
| 1.2 研究目的与意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 炮控系统概述 | 第15-17页 |
| 1.5 故障检测专家系统概述 | 第17-18页 |
| 1.6 论文的研究内容与组织结构 | 第18-20页 |
| 第二章 专家系统的知识获取 | 第20-42页 |
| 2.1 知识获取 | 第20-22页 |
| 2.1.1 知识获取途径 | 第20-21页 |
| 2.1.2 知识获取方法 | 第21-22页 |
| 2.2 基于粗糙集理论的知识获取 | 第22-29页 |
| 2.2.1 粗糙集理论 | 第22-23页 |
| 2.2.2 粗糙集知识获取模型 | 第23-24页 |
| 2.2.3 离散化处理 | 第24-25页 |
| 2.2.4 属性约简 | 第25-28页 |
| 2.2.5 属性值约简 | 第28-29页 |
| 2.3 基于故障树的知识获取 | 第29-37页 |
| 2.3.1 故障树分析法概述 | 第29-31页 |
| 2.3.2 建造故障树的方法 | 第31-32页 |
| 2.3.3 故障树的结构函数及其简化 | 第32-33页 |
| 2.3.4 故障树的定性与定量分析 | 第33-34页 |
| 2.3.5 炮控系统故障树的建立 | 第34-37页 |
| 2.4 实例分析 | 第37-40页 |
| 2.5 小结 | 第40-42页 |
| 第三章 知识库和推理机的建立 | 第42-54页 |
| 3.1 知识的表示 | 第42-44页 |
| 3.1.1 知识表示的概念 | 第42页 |
| 3.1.2 知识表示方法 | 第42-43页 |
| 3.1.3 炮控系统故障诊断专家系统中的知识表示 | 第43-44页 |
| 3.2 炮控系统FDES知识库 | 第44-46页 |
| 3.3 推理机推理方法的选择 | 第46页 |
| 3.4 RETE算法 | 第46-52页 |
| 3.4.1 RETE算法概述 | 第46-47页 |
| 3.4.2 经典RETE算法 | 第47-50页 |
| 3.4.3 RETE算法改进 | 第50-51页 |
| 3.4.4 实验对比 | 第51-52页 |
| 3.5 推理机总体设计 | 第52-53页 |
| 3.6 小结 | 第53-54页 |
| 第四章 软件功能与界面展示 | 第54-62页 |
| 4.1 炮控系统FDES组织结构 | 第54-55页 |
| 4.2 专家系统工作流程 | 第55-56页 |
| 4.3 系统各功能模块的实现 | 第56-60页 |
| 4.3.1 用户管理模块 | 第56-58页 |
| 4.3.2 知识管理模块 | 第58-59页 |
| 4.3.3 诊断推理模块 | 第59-60页 |
| 4.3.4 数据管理模块 | 第60页 |
| 4.4 小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 未来研究展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 研究成果及发表的学术论文 | 第70-72页 |
| 作者及导师简介 | 第72-73页 |
| 附件 | 第73-74页 |
