| 致谢 | 第1-4页 |
| 中文摘要 | 第4-6页 |
| 英文摘要 | 第6-12页 |
| 第一章 前言 | 第12-15页 |
| ·人工智能研究概况 | 第12-13页 |
| ·大型离心式压缩机故障诊断问题的提出 | 第13-14页 |
| ·本文工作内容 | 第14-15页 |
| 第二章 人工智能理论与技术的研究 | 第15-43页 |
| ·专家系统理论与技术的研究 | 第15-20页 |
| ·专家系统研究的发展与现状 | 第15-16页 |
| ·不确定性知识表示方法 | 第16-17页 |
| ·基于概率论推理算法的研究 | 第17-20页 |
| ·单个症状下的故障后验概率计算 | 第17-19页 |
| ·多个症状下的故障后验概率计算 | 第19-20页 |
| ·神经网络理论与技术的研究 | 第20-36页 |
| ·神经网络研究的发展概况 | 第20-24页 |
| ·神经网络的结构与特性 | 第24-31页 |
| ·复合神经网络理论 | 第31-36页 |
| ·复合神经网络理论的提出 | 第31-34页 |
| ·复合神经网络理论的技术实施 | 第34-36页 |
| ·神经网络专家系统理论与技术的研究 | 第36-42页 |
| ·引言 | 第36页 |
| ·神经网络专家系统研究现状 | 第36-38页 |
| ·神经网络专家系统研究的理论依据一思维科学的探讨 | 第38-41页 |
| ·关于思维科学 | 第38页 |
| ·人脑信息存贮方式的剖析 | 第38-39页 |
| ·信息处理结构模型的建立 | 第39-40页 |
| ·逻辑思维与形象思维的特点及两者间关系的分析 | 第40-41页 |
| ·故障诊断神经网络专家系统结构模型的提出 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第三章 大型离心式压缩机故障诊断知识的获取 | 第43-56页 |
| ·大型离心式压缩机的一般结构 | 第43页 |
| ·故障机理分析 | 第43-45页 |
| ·故障特征与识别方法 | 第45-52页 |
| ·机组的结构分级与故障的逐步诊断 | 第52-54页 |
| ·故障诊断过程的一般要求 | 第54-55页 |
| ·小结 | 第55-56页 |
| 第四章 大型离心式压缩机故障诊断专家系统的理论研究及CCFDES的设计与实现 | 第56-67页 |
| ·关于知识库 | 第56页 |
| ·面向对象的双层诊断模型的工作原理 | 第56-58页 |
| ·基于双层诊断模型的专家系统求解过程设计 | 第58页 |
| ·CCFDES结构设计与程序实现 | 第58-64页 |
| ·系统总体结构 | 第58-60页 |
| ·模块及功能 | 第60-64页 |
| ·应用实例 | 第64-66页 |
| ·小结 | 第66-67页 |
| 第五章 大型离心式压缩机故障诊断神经网络系统研究与实践 | 第67-80页 |
| ·实验故障诊断神经网络系统 | 第67-75页 |
| ·神经网络系统的建立 | 第67-72页 |
| ·网络性能测定 | 第72-75页 |
| ·实用化故障诊断神经网络系统 | 第75-79页 |
| ·复合神经网络系统的建立与性能测定 | 第75-79页 |
| ·应用实例 | 第79页 |
| ·小结 | 第79-80页 |
| 第六章 大型离心式压缩机故障诊断神经网络专家系统研究与实践 | 第80-84页 |
| ·故障诊断神经网络专家系统(NNESFD)的结构设计 | 第80-81页 |
| ·主要模块功能与程序实现 | 第81-83页 |
| ·应用实例 | 第83页 |
| ·小结 | 第83-84页 |
| 第七章 总结与进一步工作设想 | 第84-86页 |
| ·总结 | 第84-85页 |
| ·进一步工作设想 | 第85-86页 |
| 附录一 符号说明 | 第86-87页 |
| 附录二 有代表性的专家系统规则 | 第87-89页 |
| 参考文献 | 第89-94页 |
