声明
致谢
摘要
1 引言
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 故障诊断方法综述
1.2.2 CBR发展现状
1.3 论文的主要工作及结构安排
2 车载设备案例推理诊断模型构建
2.1 CBR简介
2.1.1 CBR的基本原理
2.1.2 CBR的应用领域
2.2 故障的案例表示
2.2.1 案例表示方法
2.2.2 案例表示实现
2.2.3 案例的决策表表示
2.3 车载设备的案例组织
2.4 案例修正
2.5 案例学习与维护
2.6 本章小结
3 车载设备案例特征属性权重提取
3.1 常用权重确定方法
3.1.1 德尔菲法(Delphi)
3.1.2 层次分析法(AHP)
3.1.3 基于粗糙集的案例属性权重确定算法
3.2 粗糙集理论
3.2.1 粗糙集特点
3.2.2 知识与知识库
3.2.3 上近似和下近似
3.2.4 知识约简和核
3.3 基于粗糙集的属性权重提取
3.3.1 粗糙集应用流程
3.3.2 属性重要度和权重提取流程
3.3.3 权重计算实例
3.4 本章小结
4 车载设备故障案例的检索
4.1 案例检索算法
4.2 案例相似度计算
4.2.1 K-近邻算法
4.2.2 加权K-NN算法
4.3 案例库构造
4.3.1 子案例库构造
4.3.2 代表案例库构造
4.3.3 案例库构造实例
4.4 故障案例的分阶段近邻检索模型
4.4.1 案例的索引机制建立
4.4.2 车载故障案例的检索
4.4.3 分阶段近邻模型的有效性验证
4.5 本章小结
5 车载设备故障诊断系统设计与实现
5.1 系统需求分析
5.1.1 车载设备结构
5.1.2 功能需求性分析
5.1.3 非功能性需求
5.2 诊断系统结构设计
5.2.1 VEFDS框架结构
5.2.2 VEFDS诊断流程设计
5.2.3 系统功能设计
5.2.4 系统架构设计
5.3 数据库设计及实现
5.3.1 数据表之间关系
5.3.2 数据库连接方式
5.4 车载设备故障系统实现及应用
5.4.1 登陆界面
5.4.2 主界面
5.4.3 车载设备知识库界面
5.4.4 案例库管理界面
5.4.5 粗糙集界面
5.4.6 案例聚类界面
5.4.7 故障诊断实例
5.5 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
图索引
表索引
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集