| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·本文研究的背景和意义 | 第9页 |
| ·国内外研究动态及现状分析 | 第9-11页 |
| ·本文主要研究的工作和创新点 | 第11-12页 |
| ·本论文的结构安排 | 第12-13页 |
| 第二章 故障诊断专家系统 | 第13-19页 |
| ·故障诊断原理 | 第13-14页 |
| ·故障诊断的内容 | 第13-14页 |
| ·故障特征信息 | 第14页 |
| ·智能故障诊断的方法 | 第14-16页 |
| ·基于神经元网络理论的故障诊断技术 | 第15页 |
| ·基于遗传算法的故障诊断方法 | 第15-16页 |
| ·故障诊断专家系统 | 第16-19页 |
| ·故障诊断专家系统概述 | 第16页 |
| ·诊断知识的获取途径 | 第16页 |
| ·诊断知识库的组织与表达 | 第16-17页 |
| ·故障诊断专家系统的结构 | 第17-18页 |
| ·故障诊断专家系统中知识的不确定性 | 第18-19页 |
| 第三章 Petri 网和模糊 Petri 网的原理及应用 | 第19-34页 |
| ·概述 | 第19页 |
| ·Petri 网原理 | 第19-21页 |
| ·Petri 网基本概念 | 第19-20页 |
| ·Petri 网的数学定义和图形表示 | 第20-21页 |
| ·模糊 Petri 网原理与知识表达 | 第21-25页 |
| ·模糊 Petri 网原理 | 第21页 |
| ·模糊 Petri 网知识表达 | 第21-22页 |
| ·合成产生式规则 FPN 表示 | 第22-24页 |
| ·模糊 Petri 网故障诊断理论基础 | 第24-25页 |
| ·模糊推理规则 | 第25页 |
| ·模糊 Petri 网的相关推理 | 第25-29页 |
| ·正向推理 | 第26-27页 |
| ·反向推理 | 第27-28页 |
| ·正反向混合推理 | 第28页 |
| ·极大代数矩阵推理 | 第28-29页 |
| ·模糊 Petri 网的学习 | 第29-30页 |
| ·加权模糊 Petri 网 | 第30-33页 |
| ·加权模糊产生式规则 | 第30-31页 |
| ·加权模糊Petri 网定义 | 第31-33页 |
| ·加权模糊Petri 网矩阵推理算法 | 第33页 |
| ·小结 | 第33-34页 |
| 第四章 模糊 Petri 网故障诊断与学习算法研究 | 第34-48页 |
| ·模糊 Petri 网故障诊断策略 | 第34-39页 |
| ·诊断推理 | 第34页 |
| ·故障诊断反向搜索算法 | 第34-35页 |
| ·诊断实例 | 第35-39页 |
| ·加权模糊 Petri 的学习和训练 | 第39-41页 |
| ·具有严格分层的 WFPN 反向递推算法 | 第40-41页 |
| ·WFPN 模型学习和训练的步骤 | 第41页 |
| ·仿真实例 | 第41-47页 |
| ·算法速度比较 | 第42页 |
| ·参数比较 | 第42-43页 |
| ·推理结果比较 | 第43-47页 |
| ·小结 | 第47-48页 |
| 第五章 结论与展望 | 第48-50页 |
| ·结论 | 第48页 |
| ·进一步的工作及展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 附录A (攻读硕士学位期间发表的论文) | 第55页 |