| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10页 |
| 1.2 故障诊断技术的研究现状 | 第10-12页 |
| 1.3 故障诊断中贝叶斯网络研究现状 | 第12-13页 |
| 1.4 水泥回转窑故障诊断研究现状 | 第13-14页 |
| 1.5 论文章节安排与主要研究内容 | 第14-16页 |
| 第2章 贝叶斯网络和模糊理论基本理论 | 第16-28页 |
| 2.1 贝叶斯网络基础知识和学习算法 | 第16-20页 |
| 2.1.1 贝叶斯网络的基础知识 | 第16-18页 |
| 2.1.2 贝叶斯网络的学习算法 | 第18-20页 |
| 2.2 应用贝叶斯网络进行故障诊断的优势 | 第20-21页 |
| 2.3 贝叶斯网络的推理以及例子 | 第21-25页 |
| 2.4 模糊理论基本概念及特点 | 第25-26页 |
| 2.5 模糊贝叶斯网络的推理步骤 | 第26页 |
| 2.6 本章小结 | 第26-28页 |
| 第3章 水泥回转窑煅烧系统研究 | 第28-38页 |
| 3.1 水泥回转窑的结构和工作原理 | 第28-29页 |
| 3.2 水泥回转窑煅烧系统中的多态性的模糊性问题 | 第29-31页 |
| 3.2.1 多态系统以及多态贝叶斯网络的概述 | 第29-30页 |
| 3.2.2 水泥回转窑煅烧系统进行多态分析的必要性 | 第30-31页 |
| 3.3 基于贝叶斯网络的水泥回转窑煅烧系统故障诊断模型的建立 | 第31-35页 |
| 3.3.1 水泥回转窑煅烧系统常见故障分析 | 第31页 |
| 3.3.2 故障诊断知识的提取和描述 | 第31-32页 |
| 3.3.3 水泥回转窑煅烧系统故障诊断模型的建立 | 第32-35页 |
| 3.4 水泥回转窑系统传统贝叶斯网络分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 模糊贝叶斯网络的应用 | 第38-46页 |
| 4.1 多态水泥回转窑煅烧系统贝叶斯网络模型的建立 | 第38页 |
| 4.2 多态水泥回转窑煅烧系统贝叶斯网络模型分析 | 第38-43页 |
| 4.2.1 模型中节点状态的描述 | 第38-39页 |
| 4.2.2 模型中先验概率值的获取 | 第39-42页 |
| 4.2.3 模型中条件概率表的确定 | 第42-43页 |
| 4.3 多态水泥回转窑煅烧系统的故障诊断推理 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 改进的贝叶斯网络推理算法 | 第46-55页 |
| 5.1 联合树算法的基本概念 | 第46-48页 |
| 5.2 贝叶斯网络的最优三角化算法研究 | 第48-49页 |
| 5.3 改进的推理算法 | 第49-53页 |
| 5.3.1 基于最小缺边搜索算法的联合树算法（mds-jtree） | 第49-50页 |
| 5.3.2 基于新构建消元顺序的算法的联合树算法 | 第50-53页 |
| 5.3.3 遗传算法解决旅行商问题与寻找消元序列问题 | 第53页 |
| 5.4 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62页 |
