| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题背景及意义 | 第10页 |
| 1.2 船用柴油机故障诊断国内外研究现状 | 第10-12页 |
| 1.3 贝叶斯网络国内外研究现状 | 第12-13页 |
| 1.4 贝叶斯网络在故障诊断中的优势 | 第13-14页 |
| 1.5 本文的主要研究内容 | 第14-16页 |
| 第2章 贝叶斯方法及贝叶斯网络理论 | 第16-27页 |
| 2.1 贝叶斯理论基础及方法 | 第16-19页 |
| 2.1.1 概率论的基本思想 | 第16-17页 |
| 2.1.2 概率推理 | 第17-18页 |
| 2.1.3 贝叶斯网络 | 第18-19页 |
| 2.2 贝叶斯网络推理 | 第19-23页 |
| 2.2.1 贝叶斯网络推理的分类 | 第19-20页 |
| 2.2.2 贝叶斯网络的VE算法 | 第20-23页 |
| 2.3 贝叶斯网络的学习 | 第23-26页 |
| 2.3.1 贝叶斯网络的参数学习 | 第23-25页 |
| 2.3.2 贝叶斯网络的结构学习 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 贝叶斯网络在船用柴油机故障诊断中的应用 | 第27-49页 |
| 3.1 船用柴油机故障分析 | 第27-37页 |
| 3.1.1 船用柴油机的基本组成 | 第27-28页 |
| 3.1.2 柴油机工作参数与故障分析 | 第28-37页 |
| 3.2 诊断贝叶斯网络的表达方式与数学描述 | 第37-40页 |
| 3.2.1 诊断贝叶斯网络的表达方式 | 第37-38页 |
| 3.2.2 诊断贝叶斯网络的数学描述 | 第38-40页 |
| 3.3 诊断贝叶斯网络模型的构建 | 第40-44页 |
| 3.3.1 网络结构的确定 | 第41-43页 |
| 3.3.2 节点概率表的确定 | 第43-44页 |
| 3.4 诊断贝叶斯网络模型的学习 | 第44-45页 |
| 3.5 诊断贝叶斯网络模型的推理 | 第45-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 基于贝叶斯网络船用柴油机故障诊断系统的设计实现 | 第49-69页 |
| 4.1 船用柴油机故障诊断系统的总体结构 | 第49-51页 |
| 4.2 船用柴油机工作参数采集与监测系统 | 第51-54页 |
| 4.3 知识库管理模块设计 | 第54-56页 |
| 4.4 网络构建模块 | 第56-58页 |
| 4.4.1 故障诊断模型知识表达 | 第56-58页 |
| 4.4.2 构建网络结构 | 第58页 |
| 4.5 推理解释模块 | 第58-60页 |
| 4.6 参数学习模块 | 第60页 |
| 4.7 证据收集模块 | 第60-62页 |
| 4.8 人机界面 | 第62-65页 |
| 4.9 基于贝叶斯网络船用柴油机故障诊断系统的实际应用 | 第65-68页 |
| 4.10 本章小结 | 第68-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录A 监测点明细表 | 第75-76页 |
| 附录B 排烟温度高故障节点CPT | 第76-78页 |
| 致谢 | 第78-79页 |
| 研究生履历 | 第79页 |