基于本體的礦井提升機(jī)故障診斷理論與方法

第1章 緒論
1．1 引言
1．2 研究目的與意義
1．3 國(guó)內(nèi)外研究現(xiàn)狀
1．3．1 提升機(jī)故障診斷方法
1．3．2 基于本體的智能故障診斷
1．4 主要研究?jī)?nèi)容
1．5 小結(jié)
第2章 基于本體的提升機(jī)故障診斷體系
2．1 引言
2．2 本體技術(shù)
2．2．1 本體概念
2．2．2 本體構(gòu)建
2．2．3 本體推理
2．3 提升機(jī)系統(tǒng)結(jié)構(gòu)組成及其故障分析
2．3．1 提升機(jī)系統(tǒng)結(jié)構(gòu)
2．3．2 提升機(jī)故障分類
2．3．3 提升機(jī)故障特，最
2．4 基于本體的提升機(jī)故障診斷方法
2．4．1 基于本體的提升機(jī)故障診斷處理過程
2．4．2 基于粗糙集的提升機(jī)故障診斷知識(shí)獲取方法
2．4．3 基于描述邏輯的提升機(jī)故障診斷本體知識(shí)表示方法
2．4．4 基于貝葉斯網(wǎng)絡(luò)的故障診斷本體不確定性推理方法
2．5 提升機(jī)故障本體診斷體系框架
2．5．1 基于專家系統(tǒng)的提升機(jī)故障診斷體系框架
2．5．2 基于本體的提升機(jī)故障診斷體系框架
2．6 小結(jié)
第3章 提升機(jī)故障診斷知識(shí)獲取方法
3．1 引言
3．2 提升機(jī)故障診斷知識(shí)構(gòu)成
3．2．1 提升機(jī)系統(tǒng)知識(shí)構(gòu)成
3．2．2 運(yùn)行過程中監(jiān)測(cè)參數(shù)
3．2．3 故障診斷實(shí)例及規(guī)則知識(shí)
3．3 基于粗糙集的故障診斷規(guī)則知識(shí)獲取
3．3．1 粗糙集理論概述
3．3．2 粗糙集理論相關(guān)概念
3．3．3 基于粗糙集的故障診斷知識(shí)獲取方法
3．4 基于粗糙集模型的屬性約簡(jiǎn)
3．4．1 基于差別矩陣的屬性約簡(jiǎn)方法
3．4．2 基于屬性重要性的啟發(fā)式約簡(jiǎn)算法
3．4．3 基于改進(jìn)的屬性重要度的啟發(fā)式約簡(jiǎn)算法
3．5 基于粗糙集的提升機(jī)故障診斷知識(shí)獲取
3．5．1 提升機(jī)故障診斷知識(shí)獲取模型
3．5．2 故障診斷規(guī)則知識(shí)的數(shù)據(jù)選取
3．5．3 決策表構(gòu)建
3．5．4 屬性約簡(jiǎn)
3．6 提升機(jī)故障診斷知識(shí)提取實(shí)例
3．7 小結(jié)
第4章 提升機(jī)故障本體知識(shí)庫的構(gòu)建及表示
4．1 引言
4．2 基于本體的提升機(jī)故障分類模型
4．2．1 提升機(jī)故障現(xiàn)象及故障原因分層結(jié)構(gòu)
4．2．2 提升機(jī)故障本體的形式化定義
4．3 提升機(jī)故障本體知識(shí)庫的建立
4．3．1 利用Protege構(gòu)建故障本體知識(shí)庫
4．3．2 數(shù)據(jù)庫與本體知識(shí)庫的動(dòng)態(tài)轉(zhuǎn)換
4．4 提升機(jī)故障知識(shí)的表示
4．4．1 OWLDL與SWRL
4．4．2 基于0WLDL的提升機(jī)故障本體知識(shí)表示
4．4．3 基于SWRL的提升機(jī)故障診斷規(guī)則本體知識(shí)表示
4．5 提升機(jī)故障診斷本體知識(shí)的共享及復(fù)用
4．6 小結(jié)
第5章 提升機(jī)故障診斷知識(shí)本體結(jié)構(gòu)轉(zhuǎn)換
5．1 引言
5．2 本體模型與貝葉斯網(wǎng)絡(luò)模型
5．2．1 貝葉斯網(wǎng)絡(luò)概述
5．2．2 本體貝葉斯網(wǎng)絡(luò)形式化定義
5．2．3 本體模型的概率擴(kuò)展
5．3 本體模型到貝葉斯網(wǎng)絡(luò)模型的轉(zhuǎn)換
5．3．1 概念與概念節(jié)點(diǎn)之間的轉(zhuǎn)換
5．3．2 關(guān)系到邊的轉(zhuǎn)換
5．3．3 屬性值、實(shí)例、公理和本體模型的轉(zhuǎn)換
5．4 條件概率表的構(gòu)建
5．4．1 概率的計(jì)算
5．4．2 條件概率表
5．5 提升機(jī)故障診斷本體結(jié)構(gòu)的轉(zhuǎn)換
5．6 小結(jié)
第6章 提升機(jī)故障診斷不確定性推理方法
6．1 引言
6．2 提升機(jī)故障診斷不確定性推理機(jī)制的建立
6．2．1 不確定性推理概述
6．2．2 不確定性推理方法
6．2．3 提升機(jī)故障診斷不確定性推理機(jī)制
6．3 基于貝葉斯網(wǎng)絡(luò)的本體知識(shí)推理方法
6．3．1 基于本體的貝葉斯網(wǎng)絡(luò)模型構(gòu)建
6．3．2 本體推理
6．3．3 貝葉斯推理
6．4 故障診斷搜索樹的建立
6．4．1 故障診斷搜索樹相關(guān)概念
6．4．2 啟發(fā)式搜索樹
6．4．3 最大后驗(yàn)概率估計(jì)
6．5 提升機(jī)故障診斷推理實(shí)例
6．6 小結(jié)
第7章 提升機(jī)故障本體診斷方法試驗(yàn)研究
7．1 引言
7．2 試驗(yàn)系統(tǒng)構(gòu)建
7．2．1 試驗(yàn)設(shè)備選擇
7．2．2 試驗(yàn)系統(tǒng)設(shè)計(jì)
7．3 試驗(yàn)方案設(shè)計(jì)
7．3．1 整體方案
7．3．2 監(jiān)測(cè)系統(tǒng)方案
7．3．3 診斷系統(tǒng)方案
7．4 本體診斷方法試驗(yàn)
7．4．1 提升機(jī)故障診斷知識(shí)獲取試驗(yàn)
7．4．2 提升機(jī)故障診斷本體知識(shí)庫構(gòu)建及表示試驗(yàn)
7．4．3 提升機(jī)故障診斷不確定性推理試驗(yàn)
7．4．4 本體診斷方法應(yīng)用
7．5 小結(jié)
參考文獻(xiàn)