摘要 | 第1-8页 |
ABSTRACT | 第8-10页 |
第一章 绪论 | 第10-19页 |
§1.1 课题来源与意义 | 第10-15页 |
1.1.1 课题来源 | 第10页 |
1.1.2 故障诊断与维修决策技术面临的主要问题 | 第10-12页 |
1.1.3 常用故障诊断与维修决策方法 | 第12-13页 |
1.1.4 贝叶斯网络故障诊断与维修决策方法 | 第13-15页 |
§1.2 贝叶斯网络的应用现状 | 第15-18页 |
1.2.1 贝叶斯网络的发展 | 第15-16页 |
1.2.2 贝叶斯网络的应用现状 | 第16-18页 |
§1.3 论文组成 | 第18-19页 |
第二章 贝叶斯网络理论基础 | 第19-30页 |
§2.1 贝叶斯网络的概率论基础 | 第19-22页 |
2.1.1 概率论的基本思想 | 第19-21页 |
2.1.2 概率推理 | 第21-22页 |
§2.2 贝叶斯网络定义 | 第22-24页 |
§2.3 贝叶斯网络推理算法 | 第24-26页 |
2.3.1 贝叶斯网络推理的主要算法 | 第24-26页 |
2.3.2 贝叶斯网络近似推理算法 | 第26页 |
§2.4 贝叶斯网络学习 | 第26-30页 |
2.4.1 学习贝叶斯网络的条件概率表 | 第26-28页 |
2.4.2 学习贝叶斯网络结构 | 第28-30页 |
第三章 贝叶斯网络维修决策系统分析与设计 | 第30-41页 |
§3.1 故障诊断与维修决策问题描述 | 第30-31页 |
§3.2 诊断贝叶斯网络的表达方式和数学描述 | 第31-35页 |
3.2.1 诊断贝叶斯网络的表达方式 | 第32页 |
3.2.2 诊断贝叶斯网络的数学描述 | 第32-35页 |
§3.3 贝叶斯网络维修决策系统的功能分析 | 第35-38页 |
3.3.1 贝叶斯网络诊断模型的建造 | 第36页 |
3.3.2 基于贝叶斯网络诊断模型的推理与辅助维修决策 | 第36-37页 |
3.3.3 贝叶斯网络诊断模型的自学习 | 第37-38页 |
§3.4 贝叶斯网络维修决策系统的方案设计 | 第38-40页 |
3.4.1 系统的开发平台 | 第38-39页 |
3.4.2 系统的实现方案设计 | 第39-40页 |
§3.5 本章小结 | 第40-41页 |
第四章 贝叶斯网络维修决策系统实现 | 第41-57页 |
§4.1 贝叶斯网络诊断模型的建造 | 第41-49页 |
4.1.1 诊断模型知识表达 | 第41-43页 |
4.1.2 诊断模型知识获取 | 第43-47页 |
4.1.3 诊断模型知识存储 | 第47-49页 |
§4.2 基于贝叶斯网络诊断模型的推理与辅助维修决策 | 第49-53页 |
4.2.1 基于贝叶斯网络诊断模型的概率推理 | 第49-50页 |
4.2.2 基于贝叶斯网络诊断模型的辅助维修决策 | 第50-53页 |
§4.3 贝叶斯网络诊断模型自学习 | 第53-56页 |
4.3.1 条件概率参数先验分布的确定 | 第53-54页 |
4.3.2 基于完整样本数据的自学习方法 | 第54页 |
4.3.3 基于不完整样本数据的自学习方法 | 第54-56页 |
§4.4 本章小结 | 第56-57页 |
第五章 贝叶斯网络维修决策系统在二次电源维修中的应用 | 第57-73页 |
§5.1 直升机二次电源系统简介 | 第57-58页 |
§5.2 直升机二次电源故障特点分析 | 第58-60页 |
§5.3 便携式二次电源智能测试系统 | 第60-66页 |
5.3.1 系统总体结构 | 第60-62页 |
5.3.2 硬件结构 | 第62页 |
5.3.3 软件结构 | 第62-64页 |
5.3.4 在线故障诊断平台 | 第64-66页 |
§5.4 某型变流器的贝叶斯网络的辅助维修决策系统应用 | 第66-72页 |
5.4.1 变流器结构与工作原理 | 第66-69页 |
5.4.2 变流器贝叶斯网络诊断模型的建造 | 第69-72页 |
5.4.3 面向操作人员的辅助维修应用 | 第72页 |
§5.5 贝叶斯网络维修决策系统的应用情况 | 第72页 |
§5.6 本章小结 | 第72-73页 |
第六章 总结与展望 | 第73-75页 |
§6.1 全文总结 | 第73-74页 |
§6.2 研究展望 | 第74-75页 |
致谢 | 第75-76页 |
参考文献 | 第76-81页 |
作者在攻读硕士学位期间取得的成果与发表的论文 | 第81-82页 |
附录 | 第82-86页 |