| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 问题的提出背景及研究意义 | 第9-11页 |
| 1.2 故障诊断概述 | 第11-13页 |
| 1.2.1 故障诊断的基本概念 | 第11页 |
| 1.2.2 故障诊断的分类 | 第11-13页 |
| 1.3 FMS的故障诊断研究现状及发展趋势 | 第13-16页 |
| 1.3.1 FMS的故障诊断研究现状 | 第13-15页 |
| 1.3.2 FMS的故障诊断发展趋势 | 第15-16页 |
| 1.4 本文的主要研究内容及结构安排 | 第16-18页 |
| 第二章 FMS故障诊断集成系统架构研究 | 第18-27页 |
| 2.1 FMS故障特点 | 第18-22页 |
| 2.1.1 FMS的定义、组成与分类 | 第18-21页 |
| 2.1.2 FMS故障的特点 | 第21-22页 |
| 2.2 FMS故障诊断系统框架 | 第22-26页 |
| 2.2.1 FMS故障诊断系统的组成 | 第23-25页 |
| 2.2.2 FMS故障诊断关键技术分析 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 FMS故障粗诊断 | 第27-42页 |
| 3.1 物流系统故障诊断 | 第27-29页 |
| 3.1.1 物流系统故障机理分析 | 第27-28页 |
| 3.1.2 物流系统的故障诊断 | 第28-29页 |
| 3.2 加工系统初级诊断的任务 | 第29-30页 |
| 3.3 贝叶斯网络概述 | 第30-38页 |
| 3.3.1 贝叶斯网络中的相关概率论知识 | 第30-31页 |
| 3.3.2 贝叶斯概率推理 | 第31-32页 |
| 3.3.3 贝叶斯网络的概念及特点 | 第32-33页 |
| 3.3.4 贝叶斯网络的建模 | 第33-34页 |
| 3.3.5 贝叶斯网络的推理模式及算法 | 第34-36页 |
| 3.3.6 贝叶斯网络的学习 | 第36-38页 |
| 3.4 贝叶斯网络在加工系统初级诊断中的应用 | 第38-41页 |
| 3.4.1 基于贝叶斯网络的FMS加工系统初级诊断步骤 | 第38-40页 |
| 3.4.2 诊断实例分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于支持向量机的FMS故障精诊断 | 第42-56页 |
| 4.1 支持向量机概述 | 第42-48页 |
| 4.1.1 支持向量机的概念 | 第42-45页 |
| 4.1.2 支持向量机的多分类扩展 | 第45-48页 |
| 4.2 基于支持向量机的FMS故障精诊断 | 第48-51页 |
| 4.2.1 FMS设备层故障特点 | 第49-50页 |
| 4.2.2 基于支持向量机的诊断步骤 | 第50-51页 |
| 4.3 诊断实例分析 | 第51-55页 |
| 4.3.1 BP神经网络分类器 | 第51-53页 |
| 4.3.2 诊断数据集 | 第53页 |
| 4.3.3 基于BP神经网络的故障诊断仿真 | 第53-54页 |
| 4.3.4 基于SVM的故障诊断仿真 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 FMS故障诊断集成系统实现 | 第56-64页 |
| 5.1 故障诊断系统的模式 | 第56-57页 |
| 5.2 远程故障诊断系统的发展与研究现状 | 第57页 |
| 5.3 远程故障诊断系统的网络模式选择 | 第57-60页 |
| 5.3.1 客户机/服务器模式 | 第57-58页 |
| 5.3.2 浏览器/服务器模式 | 第58-60页 |
| 5.4 远程故障诊断系统拓扑结构 | 第60页 |
| 5.5 FMS故障诊断系统的功能结构设计 | 第60-61页 |
| 5.6 FMS远程故障诊断系统的实现 | 第61-63页 |
| 5.7 本章小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72页 |