| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·问题的提出 | 第8页 |
| ·设备故障诊断技术概述 | 第8-10页 |
| ·设备故障诊断的一般过程 | 第8-9页 |
| ·设备故障诊断技术面临的主要问题 | 第9页 |
| ·当前常用的故障诊断方法 | 第9-10页 |
| ·基于贝叶斯网络的故障诊断方法 | 第10-12页 |
| ·贝叶斯网络的发展与研究现状 | 第10-11页 |
| ·贝叶斯网络应用于故障诊断的优势 | 第11-12页 |
| ·本文的主要研究内容 | 第12-14页 |
| 2 旋转机械常见振动故障特征分析 | 第14-19页 |
| ·转子不平衡引起的振动特征 | 第14-15页 |
| ·转子不对中引起的振动特征 | 第15-17页 |
| ·转子轴向裂纹引起的振动特征 | 第17页 |
| ·其它一些常见故障的分析 | 第17-19页 |
| 3 贝叶斯网络理论 | 第19-37页 |
| ·贝叶斯网络的概率论基础 | 第19-20页 |
| ·贝叶斯网络中常用的概率论知识 | 第19-20页 |
| ·概率推理 | 第20页 |
| ·贝叶斯网络的定义 | 第20-24页 |
| ·贝叶斯网络的形式化定义 | 第20-23页 |
| ·D－Separation 判定准则及单连通图和多连通图贝叶斯网络 | 第23-24页 |
| ·贝叶斯网络推理 | 第24-33页 |
| ·贝叶斯网络推理模式 | 第24-25页 |
| ·联合树算法 | 第25-31页 |
| ·其他精确推理算法 | 第31-32页 |
| ·近似推理算法 | 第32-33页 |
| ·贝叶斯网络学习 | 第33-36页 |
| ·基于完整数据的贝叶斯网络学习 | 第33-35页 |
| ·基于不完整数据的贝叶斯网络学习 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于贝叶斯网络的机械故障诊断模型与诊断推理 | 第37-49页 |
| ·用贝叶斯网络描述机械故障诊断知识 | 第37-38页 |
| ·贝叶斯网络诊断模型 | 第38-41页 |
| ·贝叶斯网络诊断模型框架 | 第38-39页 |
| ·旋转机械常见故障的贝叶斯诊断网络的建立 | 第39-41页 |
| ·故障诊断的贝叶斯网络推理 | 第41-48页 |
| ·诊断推理机制 | 第41-44页 |
| ·证据信息处理 | 第44-46页 |
| ·故障诊断实例 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 5 贝叶斯网络故障诊断系统设计 | 第49-58页 |
| ·系统总体设计 | 第49-50页 |
| ·网络构建模块设计 | 第50-52页 |
| ·网络信息的表述 | 第50-52页 |
| ·有向无环图的构建 | 第52页 |
| ·诊断推理模块设计 | 第52-55页 |
| ·推理机设计 | 第52-54页 |
| ·证据信息引擎 | 第54-55页 |
| ·诊断知识库管理模块设计 | 第55-57页 |
| ·数据库模型设计 | 第55-56页 |
| ·数据存储的实现 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 6 结论与展望 | 第58-60页 |
| ·研究结论 | 第58页 |
| ·研究展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-65页 |
| 独创性声明 | 第65页 |
| 学位论文版权使用授权书 | 第65页 |