《基于知识的诊断推理》PDF下载

  • 购买积分:11 如何计算积分?
  • 作  者:杨叔子,丁洪等著
  • 出 版 社:清华大学出版社;广西科学技术出版社
  • 出版年份:1993
  • ISBN:7302013101
  • 页数:291 页
图书介绍:

第一篇 总论 2

第一章 基于知识的诊断推理的产生、现状与发展 2

1.1 诊断推理的产生背景 2

1.2 存在的问题与对策 3

第二章 诊断知识的本质特征 9

2.1 树状结构 9

2.2 知识层次 10

2.3 知识深度 13

2.4 不完全性 14

2.5 不确定性 15

第三章 诊断推理的主要方法与分类 17

3.1 按推理方式分类 17

3.2 按确定性分类 18

3.3 按知识层次分类 20

第二篇 概念体系与诊断策略 30

第四章 诊断推理的概念体系 30

4.1 诊断问题的概念体系 30

4.2 诊断问题的形成与形式化定义 37

4.3 故障诊断的基本内容、过程与特点 40

第五章 基于知识的诊断推理策略 45

5.1 诊断策略的研究内容 45

5.2 影响诊断策略的主要因素 54

5.3 机械设备的诊断策略 57

第六章 不确定性表示理论与推理方法 58

6.1 不确定性信息的表示 58

6.2 概率方法 61

6.3 证据理论 63

6.4 可能性理论 66

6.5 发生率计算 67

6.6 实用的不确定性推理方法 69

第三篇 基于浅知识的诊断推理 76

第七章 符号推理与概率推理的集成 76

7.1 节约覆盖集理论与其概率模型 76

7.2 新的概率模型 80

7.3 并发诊断问题求解 84

7.4 序贯诊断问题求解 85

7.5 综合诊断策略 88

第八章 符号推理与模糊推理的集成 89

8.1 诊断模型的建立 89

8.2 模糊覆盖集诊断模型的求解算法 91

8.3 不完全解释诊断解的产生 95

8.4 一个简单的诊断实例 96

8.5 小结 96

第九章 层次因果诊断模型 97

9.1 基本概念与假设 97

9.2 层次因果诊断策略 100

9.3 不确定性层次推理 102

9.4 复合诊断假设的集成 105

9.5 小结 107

第十章 层次分类诊断模型 108

10.1 引言 108

10.2 层次分类方法 108

10.3 层次分类诊断模型 110

10.4 推理、控制与解释机制 117

第四篇 基于深知识的诊断推理 120

第十一章 基于因果网络模型的诊断推理 120

11.1 诊断模型的建立 121

11.2 并发诊断问题求解 126

11.3 序贯诊断问题求解 128

11.4 综合诊断策略 129

第十二章 基于物理过程描述的诊断推理 130

12.1 引言 130

12.2 化油器诊断问题的描述 130

12.3 基于物理过程描述的知识组织模型 133

12.4 一个简单的诊断实例 135

12.5 小结 136

第十三章 基于结构与行为功能模型的诊断推理 137

13.1 引言 137

13.2 基本概念 137

13.3 问题的形式化 140

13.4 并发诊断问题求解 141

13.5 序贯诊断问题求解 145

13.6 综合诊断策略 147

第五篇 符号推理与数值计算的集成诊断 150

第十四章 基于状态知识的诊断推理 150

14.1 引言 150

14.2 状态知识源的概念 151

14.3 状态知识的表示与获取 152

14.4 基于状态知识的推理 154

14.5 波形的智能理解 155

14.6 小结 165

第十五章 神经网络计算与符号推理的集成 166

15.1 人工神经网络与状态识别 166

15.2 基于神经网络的知识处理方法 169

15.3 神经元计算与符号推理的集成 176

第六篇 诊断推理的可靠性 182

第十六章 诊断知识的组织、管理与维护 182

16.1 诊断知识的特征 182

16.2 动态版本管理理论模型 185

16.3 诊断知识的组织模型 188

16.4 诊断知识的版本管理 193

16.5 知识库的检验 193

第十七章 诊断推理的可靠性模型 200

17.1 诊断知识的冗余 200

17.2 智能诊断的可靠性模型 201

17.3 智能诊断的可靠性评估 205

第十八章 面向对象的诊断知识表达与推理 206

18.1 面向对象的思想和方法学 206

18.2 面向对象的知识表达方法 207

18.3 面向对象的诊断知识的组织和表达 209

18.4 面向对象的诊断推理 215

第十九章 诊断知识的获取与学习 220

19.1 知识获取的证据网络方法 220

19.2 归纳学习的粗糙集方法 223

19.3 知识获取系统 231

第七篇 基于知识的诊断系统与应用实例 234

第二十章 基于知识的诊断系统的开发策略 234

20.1 诊断系统的研究与发展 234

20.2 诊断系统的组成与基本结构 235

20.3 诊断系统的知识获取与机器学习 236

20.4 诊断系统的开发策略 237

20.5 机械设备诊断专家系统工具 238

第二十一章 基于知识的诊断系统应用实例 246

21.1 基于知识的汽车发动机诊断系统 246

21.2 基于知识的舰艇发动机诊断系统 255

21.3 基于知识的汽轮发电机组在线工况监测与故障诊断系统 260

21.4 基于知识的雷达显示设备故障诊断系统 269

参考文献 279

名词索引 290