| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第11-31页 |
| 1.1 论文的研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-25页 |
| 1.2.1 设备故障诊断问题 | 第12-14页 |
| 1.2.2 机床故障诊断方法研究现状 | 第14-22页 |
| 1.2.3 机床故障诊断系统的研究现状和发展趋势 | 第22-24页 |
| 1.2.4 本体和语义网技术在制造业的研究现状 | 第24-25页 |
| 1.3 机床故障诊断存在的问题分析 | 第25-28页 |
| 1.3.1 研究现状分析与总结 | 第25-26页 |
| 1.3.2 拟研究的技术问题 | 第26-28页 |
| 1.4 论文的研究目的、意义和课题来源 | 第28-29页 |
| 1.4.1 论文的研究目的和意义 | 第28-29页 |
| 1.4.2 论文的课题来源 | 第29页 |
| 1.5 论文的组织结构 | 第29-30页 |
| 1.6 本章小结 | 第30-31页 |
| 2 机床故障诊断知识的多维度分析研究 | 第31-47页 |
| 2.1 基于知识的机床故障诊断的问题和需求分析 | 第31-33页 |
| 2.1.1 基于知识的机床故障诊断的问题分析 | 第31-32页 |
| 2.1.2 基于知识的机床故障诊断的需求分析 | 第32-33页 |
| 2.2 面向机床故障诊断的多维度分析模型 | 第33-38页 |
| 2.2.1 HAT分析模型的内容 | 第33-38页 |
| 2.2.2 HAT分析模型的作用 | 第38页 |
| 2.3 机床故障诊断知识管理体系结构 | 第38-43页 |
| 2.3.1 体系结构的内容 | 第38-42页 |
| 2.3.2 体系结构的特点 | 第42-43页 |
| 2.4 关键技术分析 | 第43-45页 |
| 2.5 本章小结 | 第45-47页 |
| 3 机床故障诊断知识建模方法 | 第47-79页 |
| 3.1 知识建模方法基础 | 第48-51页 |
| 3.2 机床故障诊断知识建模方法 | 第51-57页 |
| 3.2.1 机床故障知识分析 | 第51-53页 |
| 3.2.2 基于语义网络的机床故障诊断知识表示 | 第53-55页 |
| 3.2.3 基于标准语义的机床故障诊断知识建模方法 | 第55-57页 |
| 3.3 机床故障诊断知识建模的关键技术 | 第57-69页 |
| 3.3.1 基于谓词逻辑的故障要素分析法 | 第57-58页 |
| 3.3.2 故障诊断知识模型核心本体 | 第58-64页 |
| 3.3.3 故障要素两级分类法 | 第64-67页 |
| 3.3.4 外部本体引用法 | 第67-68页 |
| 3.3.5 故障诊断知识推理及查询技术 | 第68-69页 |
| 3.4 机床故障诊断知识模型及知识库构建及维护方法 | 第69-71页 |
| 3.5 案例研究：滚齿机故障诊断知识建模 | 第71-78页 |
| 3.5.1 滚齿机故障诊断知识模型及知识库的构建 | 第71-75页 |
| 3.5.2 滚齿机故障诊断推理实例 | 第75-77页 |
| 3.5.3 滚齿机故障诊断查询实例 | 第77-78页 |
| 3.6 本章小结 | 第78-79页 |
| 4 基于本体和信号分析的混合故障诊断技术 | 第79-103页 |
| 4.1 基于本体和信号分析的混合故障诊断方法 | 第80-84页 |
| 4.1.1 基于本体和信号分析的混合故障诊断方法框架 | 第80-81页 |
| 4.1.2 基于本体和信号分析的语义映射方法 | 第81-84页 |
| 4.2 典型机床零部件故障诊断知识建模 | 第84-87页 |
| 4.2.1 典型机床零部件故障知识分析 | 第84-86页 |
| 4.2.2 典型机床零部件故障诊断知识建模过程 | 第86-87页 |
| 4.3 基于CGHMM的故障辨识方法 | 第87-93页 |
| 4.3.1 CGHMM简介 | 第87-89页 |
| 4.3.2 振动信号处理和特征提取 | 第89-92页 |
| 4.3.3 基于CGHMM故障辨识步骤 | 第92-93页 |
| 4.4 案例研究：滚动轴承的故障辨识和诊断 | 第93-101页 |
| 4.4.1 基于CGHMM的信号分析 | 第94-97页 |
| 4.4.2 滚动轴承故障诊断本体知识库构建 | 第97-99页 |
| 4.4.3 故障推理和查询 | 第99-100页 |
| 4.4.4 实验结果对比和分析 | 第100-101页 |
| 4.5 本章小结 | 第101-103页 |
| 5 机床故障诊断可配置技术研究 | 第103-125页 |
| 5.1 基于知识的可配置机床故障诊断方法 | 第104-108页 |
| 5.1.1 基于本体的机床故障诊断方法 | 第104-105页 |
| 5.1.2 基于知识的可配置机床故障诊断原理 | 第105-108页 |
| 5.2 机床故障诊断可配置平台 | 第108-113页 |
| 5.2.1 平台的框架设计及分析 | 第108-111页 |
| 5.2.2 平台的配置和实施方法 | 第111-113页 |
| 5.3 机床故障诊断活动的可配置技术 | 第113-117页 |
| 5.3.1 故障检测活动的可配置技术 | 第113页 |
| 5.3.2 故障辨识活动的可配置技术 | 第113-115页 |
| 5.3.3 故障诊断活动的可配置技术 | 第115页 |
| 5.3.4 故障解决活动的可配置技术 | 第115-116页 |
| 5.3.5 机床故障诊断知识更新技术 | 第116-117页 |
| 5.4 机床可配置运行状态数据采集技术 | 第117-123页 |
| 5.4.1 机床可配置运行状态数据采集方法 | 第117-118页 |
| 5.4.2 机床数据采集本体建模 | 第118-121页 |
| 5.4.3 机床数据采集插件的构建技术 | 第121-122页 |
| 5.4.4 可配置机床数据采集系统的配置方法 | 第122-123页 |
| 5.5 本章小结 | 第123-125页 |
| 6 可配置机床故障诊断系统的设计与原型系统实现 | 第125-149页 |
| 6.1 原型系统的介绍 | 第125-128页 |
| 6.1.1 原型系统的体系结构 | 第125-126页 |
| 6.1.2 原型系统的开发和运行环境 | 第126-128页 |
| 6.2 原型系统的设计和开发 | 第128-134页 |
| 6.2.1 基于语义网的故障知识管理系统的设计和开发 | 第128-130页 |
| 6.2.2 基于本体的可配置滚齿机故障诊断系统的设计和开发 | 第130-132页 |
| 6.2.3 可配置机床数据采集系统的设计和开发 | 第132-134页 |
| 6.3 案例研究 | 第134-148页 |
| 6.3.1 可配置机床数据采集实验 | 第134-139页 |
| 6.3.2 案例：基于故障代码的故障检测 | 第139-141页 |
| 6.3.3 案例：滚动轴承的故障辨识和诊断 | 第141-145页 |
| 6.3.4 案例：齿轮的故障辨识和诊断 | 第145-148页 |
| 6.4 本章小结 | 第148-149页 |
| 7 结论与展望 | 第149-153页 |
| 7.1 结论 | 第149-150页 |
| 7.2 展望 | 第150-153页 |
| 致谢 | 第153-155页 |
| 参考文献 | 第155-169页 |
| 缩略词语汇总 | 第169-171页 |
| 附录 | 第171-172页 |
| A 攻读博士学位期间发表的论文 | 第171页 |
| B 攻读博士学位期间申请的发明专利 | 第171页 |
| C 攻读博士学位期间参与撰写的标准 | 第171-172页 |
| D 攻读博士学位期间参加的主要科研项目 | 第172页 |
| E 攻读博士学位期间获得的奖励 | 第172页 |
