| 第一章 绪论 | 第1-16页 |
| 1．1 课题背景 | 第7页 |
| 1．2 液压系统故障诊断 | 第7-11页 |
| 1．2．1 液压系统故障的特点 | 第7-8页 |
| 1．2．2 液压系统故障诊断的方法 | 第8-11页 |
| 1．3 故障智能诊断技术 | 第11-14页 |
| 1．3．1 故障智能诊断方法的优点 | 第11-12页 |
| 1．3．2 存在的问题 | 第12-13页 |
| 1．3．3 故障智能诊断系统的发展趋势 | 第13-14页 |
| 1．4 本课题的研究内容 | 第14-16页 |
| 第二章 故障诊断专家系统 | 第16-27页 |
| 2．1 专家系统概述 | 第16-19页 |
| 2．1．1 专家系统的基本概念 | 第16页 |
| 2．1．2 专家系统的结构 | 第16-19页 |
| 2．2 专家系统的知识表示 | 第19-20页 |
| 2．3 故障诊断专家系统的推理机制 | 第20-24页 |
| 2．3．1 诊断过程的推理策略 | 第20-21页 |
| 2．3．2 诊断过程的控制策略 | 第21-24页 |
| 2．4 专家系统开发工具Visual Prolog | 第24-25页 |
| 2．4．1 Visual Prolog简述 | 第24页 |
| 2．4．2 Prolog的主要特点 | 第24-25页 |
| 2．4．3 Visual Prolog程序结构 | 第25页 |
| 2．5 故障诊断专家系统应用实例 | 第25-27页 |
| 第三章 人工神经网络概述 | 第27-36页 |
| 3．1 人工神经元模型 | 第27-29页 |
| 3．2 人工神经网络模型 | 第29-30页 |
| 3．3 人工神经网络的学习 | 第30-31页 |
| 3．4 多层前向网络及BP学习算法 | 第31-36页 |
| 3．4．1 BP算法的基本原理 | 第32页 |
| 3．4．2 BP算法的训练步骤和程序设计 | 第32-34页 |
| 3．4．3 BP算法应注意的问题 | 第34-36页 |
| 第四章 基于神经网络的液压故障诊断专家系统设计方案 | 第36-46页 |
| 4．1 神经网络和专家系统结合的必要性 | 第36-37页 |
| 4．2 基于神经网络的故障诊断专家系统模型 | 第37-39页 |
| 4．3 基于神经网络的故障诊断专家系统的建立 | 第39-46页 |
| 4．3．1 知识存储系统的建立 | 第39-41页 |
| 4．3．2 学习系统的建立 | 第41-43页 |
| 4．3．3 推理机的建立 | 第43-44页 |
| 4．3．4 解释器的建立 | 第44页 |
| 4．3．5 人机界面的建立 | 第44-46页 |
| 第五章 基于神经网络的液压故障诊断专家系统的实现 | 第46-72页 |
| 5．1 诊断对象特点与故障分析 | 第46-53页 |
| 5．1．1 液压系统分析 | 第46-49页 |
| 5．1．2 液压系统故障知识总结 | 第49-53页 |
| 5．2 液压故障诊断系统的软件设计 | 第53-63页 |
| 5．2．1 系统开发工具的选择 | 第53页 |
| 5．2．2 系统的总体结构及子模块功能 | 第53-63页 |
| 5．3 系统关键技术的实现 | 第63-66页 |
| 5．3．1 基于数据库的知识表示 | 第63-64页 |
| 5．3．2 推理机的实现 | 第64页 |
| 5．3．3 神经网络诊断工具 | 第64页 |
| 5．3．4 神经网络与专家系统的通信 | 第64-65页 |
| 5．3．5 混合编程技术 | 第65-66页 |
| 5．4 液压系统神经网络故障诊断仿真试验 | 第66-72页 |
| 第六章 结论与展望 | 第72-74页 |
| 6．1 本文结论 | 第72页 |
| 6．2 问题与展望 | 第72-74页 |
| 参考文献 | 第74-76页 |
| 致谢 | 第76-77页 |
| 附录一 | 第77-80页 |
| 附录二 | 第80-81页 |