一、专家系统中正向推理机的一种实现方法（论文文献综述）
丁健[1]（2021）在《SL-Z25010Y智能电容主控电路故障诊断方法及实现》文中进行了进一步梳理近年来在我国电网中,无功功率日益增加,而电网中无功功率过大会增加线路损耗,引起电压跌落,影响电能质量。供电局为解决这一问题,会要求产生大量无功的用户进行无功功率就地补偿,同时,对功率因数不达标的用户进行罚款。智能电容就是为解决电网中无功功率过大这一问题而广泛应用于电网中。智能电容主控电路故障会导致电网无功功率过大,功率因数达不到要求而让用户遭到供电局罚款。传统的智能电容主控电路故障维修主要依赖维修人员的经验,缺乏针对其故障诊断系统的研究,因此,对智能电容主控电路故障理论和技术进行研究很有必要。本文以扬州某公司的SL-Z25010Y智能电容为研究对象,建立SL-Z25010Y智能电容主控电路故障诊断系统专家系统,具体内容如下:首先介绍了SL-Z25010Y智能电容故障诊断的目的和意义,以及国内外故障诊断方法研究现状,具体介绍了几种典型的方法,阐述了故障树分析法和专家系统,针对SLZ25010Y智能电容主控电路故障诊断,提出了将故障树分析法和专家系统相结合作为SL-Z25010Y智能电容主控电路故障诊断方法。其次针对缺乏SL-Z25010Y智能电容主控电路故障这一问题,通过电路分析和专家交流解决,利用SL-Z25010Y智能电容特有的工作方式是组网工作且分主机和从机,为提高诊断效率,明确主机故障、从机故障和主从机共有故障内容。鉴于主机故障会对SL-Z25010Y智能电容组网工作产生较大消极影响,以主机故障为例,建立主机故障树并进行定性分析和定量分析,针对测试顺序因定量分析中有些底事件近似结构重要度相同无法解决,引入改进层次分析法计算权值,根据权值大小确定测试顺序。通过权值大小发现最有可能出现故障的是电压采样电路。将上述分析得到的结果用于专家系统知识库的建立和推理机的设计。采用基于知识的推理方法,正向推理模式和纵向优先的搜索策略来实现推理过程。最后,采用Visual Studio 2017开发平台与Microsoft SQL Server 2015数据库联合构建了智能电容故障诊断专家系统的软件架构,使用SCPI和GPIB总线,完成SL-Z25010Y智能电容主控电路故障诊断专家系统的开发。以电压采样电路故障为例,经测试能够满足SL-Z25010Y智能电容主控电路的故障诊断的需求。
龚汉鑫[2]（2021）在《基于波动向量的时序数据状态分析及专家系统模型的构建》文中指出伴随互联网浪潮推动相关行业朝着工业智能化、信息数据化飞速发展,各行各业产生并积累了海量数据,其数据量呈现出了指数级的上升趋势,信息时代步入了大数据时代。作为大数据研究的重要分支,时序数据分析能够获取系统运行中的关键信息,在各行业中具有广泛应用前景,在国内外相关领域研究中受到了诸多关注。突变点检测技术能够从整体数据快速定位到突变点,根据突变点位置信息分析数据波动原因。由于传统的数据流突变点检测技术在处理大规模时序数据时,存在耗时较高、抗干扰能力较弱等问题,不能有效的满足数据流检测的需求。为了有效提高时序数据病变状态的快速分析等问题,本文基于多路搜索数（TSTKS）突变点检测算法与滑动窗口相结合的方法,给出了多突变点的快速检测模型;采用波动向量的模板匹配与隶属度解析方法,提出了一种时序数据快速分析与状态诊断的系统架构;基于癫痫等病变条件下的时序数据,初步构建病变数据状态分析的专家系统模型,实现数据异常状态检测,癫痫病变状态分类,以及病变诊断的异常检测。首先,基于TSTKS突变点检测算法与滑动窗口相结合的方法,给出了多突变点的快速检测模型。通过TSTKS算法多突变点检测模型提取每个窗口波动量作为窗口分布特征,将多个连续波动量定义为波动向量,提出了基于波动向量的模板匹配与隶属度解析算法对异常时序数据快速检测和分析。其次,采用波动向量的模板匹配与隶属度解析方法,提出了一种时序数据快速分析与状态诊断的系统架构。根据癫痫脑电信号在发病状态的波动特征不同,选取实际癫痫数据进行实验,采用波动向量的模板匹配与隶属度解析的方法对癫痫脑电信号的不同病变状态建立对应的标准模板库,对癫痫病变数据快速检测,通过与基于相关系数和基于Manhattan距离的模板匹配方法进行对比分析。最后,基于脑癫痫等病变条件下的时序数据,初步构建病变数据状态分析的专家系统模型。基于波动向量的模板匹配与隶属度解析方法和基于病变状态的多分类研究的基础上,构建了一个基于病变状态分析的专家系统模型,设计癫痫疾病诊断专家系统模型的知识库和推理机制,实现对大规模病变数据的快速检测及局部病变状态的分类,应用于辅助病理分析诊断。通过仿真实验数据确定了最佳的滑动窗口宽度与波动向量维度的大小关系,验证了波动向量作为时序数据状态快速检测的可行性。实验结果表明,本文提出的模板匹配方法更具有优势,检测效果更佳。此外,针对癫痫患者的三种主要的癫痫病变状态,引入支持向量机多分类器进行病变状态的特征提取,实现病变状态的分类。实验表明,该方法对癫痫病变数据的状态分类效果显着,能够在很短的时间内快速定位病变数据以及对其病变状态进行准确推理诊断,可用于辅助医师进行病理分析诊断。
徐现强[3]（2021）在《基于知识约简的航空发动机涡轮部件故障诊断专家系统设计》文中研究表明在航空燃气涡轮发动机中,涡轮部件承受了最大的机械负荷、空气动力负荷和热负荷,因此在发动机运行过程中最容易产生各种故障,甚至引起安全事故。本文为了解决航空发动机故障知识获取难、推理慢的问题,降低排除故障的代价,提高航空发动机的健康检测和故障诊断水平,设计了航空发动机涡轮部件故障诊断专家系统并进行了实现。首先,研究了故障知识获取。采用知识约简算法进行知识获取,利用分辨矩阵对离散化的专家知识数据进行属性约简和值约简,然后进行规则检测,得到用于判故的故障规则。其次,研究了专家系统知识库的构建。采用三种规则表示方法对专家系统的故障规则进行表示,以用于不同的规则使用场景。然后根据数据处理及推理机的需要,设计了四张关系型数据表,分别为样本属性表、决策属性表、故障规则表和判读结果表。再次,设计了航空发动机涡轮部件故障诊断专家系统推理机。首先研究了基于规则决策树深度优先遍历的精确推理算法,提高了推理机的推理效率;然后研究了产生式规则模糊推理,并利用熵权法确定各前提权重,提高了推理机处理条件不确定性事实的能力;最后,基于混合推理方法,提出精确推理与模糊推理相结合的综合推理算法,同时兼顾处理模糊问题的能力和推理效率。最后,研发了航空发动机知识获取和故障诊断软件。根据前文的理论研究,使用Visual Studio与SQL Server数据库实现了各功能模块,并使用航空发动机模型仿真数据与发动机现场试机数据对软件进行了测试,证明了该软件有着很高的实用价值。
鲁超宇[4]（2021）在《基于知识工程的旋耕机智能设计系统研究与开发》文中研究表明目前我国农业装备企业的产品设计往往以跟踪仿制为主,由用户提出需求到产品设计完成需要有经验的工程师全程负责,且过程中大量工作均为之前产品的设计的简单重复,效率低下且成本较高,而旋耕机又是典型的产品多样性高、地域适用性强的农机装备。所以为了解决旋耕机设计效率低的问题,本文以卧式中间齿轮传动旋耕机为研究对象,基于知识工程理论构建了旋耕机智能设计体系;系统研究了旋耕机设计知识和知识表示;研究了旋耕机混合推理算法和推理解释机制;基于多平台二次开发技术开发了旋耕机智能设计系统并进行系统仿真验证。该系统可用于旋耕机的智能设计,有助于缩短旋耕机设计周期,有效继承了产品设计经验,提高产品设计效率。本文主要研究工作有如下几个方面:（1）从旋耕机设计需求和工作过程出发,对其进行知识模型划分,通过查阅现有资料并调查流通较广的几种机型,深入研究了关键部件设计知识,并挖掘了部分隐性知识。通过研究各型号旋耕刀的工作条件,得出旋耕刀的选型规则;在保证耕作效果的前提下得出合适的旋耕刀数量设计规则;得出各种土壤类型适合的旋耕刀排列方式;通过调查现有机型刀座间距和旋耕刀型号的关系,拟合曲线得出旋耕刀工作幅宽和刀座间距的关系规则;通过对旋耕机工作时旋耕刀和刀轴的状态分析、材料力学分析,在保证可靠性的前提下得出刀轴厚度设计规则。通过逆向工程技术,利用三维扫描仪对各型号旋耕刀扫描获取旋耕刀实例,通过设计软件获得了各标准件实例,并绘制了三种不同型号的旋耕机。（2）梳理旋耕机设计规则,从分析知识特点入手,基于产生式规则表示法结合框架表示法,对获取到的旋耕机各类知识表示为计算机可以理解的形式。基于SQLite关系型数据库构建了旋耕机智能设计系统知识库及其管理系统,主要包括参数库、规则库、实例库。（3）结合旋耕机整机特点,研究设计了智能设计系统推理模块算法,重点设计了基于经验知识的模糊推理和基于实例的推理,并将算法结合设计了混合推理算法。基于系统知识库可以由用户需求快速得出整机详细参数和相似度最高的实例。为了提高算法的透明度,设计了推理解释机制,达到解释内容充分而不冗余的效果。（4）在上述理论与方法研究的基础上,进行了旋耕机智能设计系统的关键技术研究,开发了整套系统平台,包括数据库链接模块、推理机系统模块、零件参数化模块和零部件自动装配模块,创新性地将数据库作为中间媒介平台,计算保存参数后再调取参数赋予参数化建模模块,让每次设计都有记录可查。并进行了应用举例。实际操作证明,在Windows10操作系统、Intel i5 7th处理器、16G内存配置环境下,2～3min即可完成整机的设计并输出三维模型。（5）为了验证系统的可靠性,对输出产品进行EDEM-ANSYS耦合仿真分析。仿真结果证明,土壤破碎率约为72.13%,耕后土壤平整度约为2.8cm,耕作部件最大应力48.3MPa,均符合国家标准。证明系统设计产品完全满足实际使用需求。
赵德竹[5]（2020）在《3D打印脊柱侧弯矫形器智能化与数字化设计平台关键技术研究》文中研究说明据统计,青少年特发性脊柱侧弯（Adolescent Idiopathic Scoliosis,AIS）已经成为继肥胖、近视症之后危害我国青少年健康的第三大疾病,其防控形势严峻。AIS最主要的临床干预手段是通过脊柱侧弯矫形器控制侧弯程度的进展。然而,脊柱侧弯矫形器传统开发工艺的效率、精度相对低下。近年来,随着3D打印技术的发展,其广泛地应用于医疗器械、康复辅具领域。其中,3D打印脊柱侧弯矫形器具备开发效率、精度高的优点,可满足AIS患者精准化、个性化医疗需求。然而,3D打印脊柱侧弯矫形器在AIS临床治疗中尚未得到广泛地应用,其主要原因为临床医生普遍面临3D打印脊柱侧弯矫形器三维建模效率偏低的问题。因此,设计并开发一款3D打印脊柱侧弯矫形器智能化与数字化设计平台,使其智能、快速地辅助临床医生开发3D打印脊柱侧弯矫形器三维模型,可提高临床医生的3D打印脊柱侧弯矫形器开发效率,从而解决制约3D打印脊柱侧弯矫形器临床应用的瓶颈问题。本文对3D打印脊柱侧弯矫形器智能化与数字化设计平台的关键使能技术开展了以下研究:（1）针对脊柱侧弯矫形器设计中的不确定性信息处理问题,结合模糊逻辑、专家系统技术,提出了一种基于模糊专家系统的脊柱侧弯矫形器设计方法,实现了通过AIS患者信息决策脊柱侧弯矫形器设计参数的功能;（2）针对脊柱侧弯矫形器的设计知识自动获取及其设计参数预测问题,提出了一种基于模糊神经网络的脊柱侧弯矫形器设计模型,实现了自适应修正脊柱侧弯矫形器设计隶属函数、预测脊柱侧弯矫形器设计参数的功能;（3）借助逆向工程、CAD技术,提出了一种3D打印脊柱侧弯矫形器数字化设计方法,实现了通过AIS患者躯体点云开发3D打印脊柱侧弯矫形器三维模型的功能;（4）设计并开发了一款3D打印脊柱侧弯矫形器智能化与数字化设计平台（SOIDDP）原型系统,实现了为临床医生提供3D打印脊柱侧弯矫形器的设计参数推理及预测、设计知识自动获取、三维模型开发的技术服务;（5）提出了一条可行的3D打印脊柱侧弯矫形器辅助开发方案,并通过1例AIS患者的3D打印脊柱侧弯矫形器辅助开发实例验证了SOIDDP的可行性、有效性。
罗欢[6]（2020）在《人工林培育知识图谱构建与作业法推荐技术研究》文中认为本文通过研究国内外森林培育决策系统的现状和趋势,针对人工林培育专家决策系统中所存在的问题,从林农的角度出发,设计并研建了人工林培育知识服务与作业法推荐系统。针对林农查询人工林培育关联知识困难以及知识图谱在人工林培育领域存在缺口的问题,研究人工林关联知识抽取和知识图谱构建的基本理论和技术、收集整理辅助培育决策过程中林农所需要的知识、提出了人工林培育知识图谱的概念,构建了人工林培育知识图谱,实现人工林知识关联可视化,为人工林培育全过程提供知识服务。针对人工林培育推理过程中推理规则的人工依赖性强,缺乏规则可信度评价的问题,研究了规则提取技术,重点研究如何构建立地条件和树种之间的推理规则,在规则中增加实际的规则可信度评价指标。分析总结现有推理算法,在推理过程中使用因子权重分析方式在实际规则可信度的基础上进行处理计算,最终给用户提供培育决策以及根据输入条件得到结果的可靠性即推理的结果可信度,提高人工林培育辅助决策的科学性。在上述研究基础上本文研建了一个基于B/S架构的人工林培育知识服务与作业法推荐系统,实现适地适树、培育作业法推荐等功能,以及培育全过程中所需的知识服务。本研究对人工林培育管理发展具有重要意义,能够更好的为林农服务。
宁鹏飞[7]（2020）在《高速铁路ATO系统测试序列自动生成研究》文中指出在信息技术、控制技术等高新技术的推动下,高速铁路列车自动驾驶（Automatic Train Operation,ATO）系统应运而生,高速铁路ATO系统可以降低线路运营成本、提高铁路运输能力,是今后的发展方向。安全是铁路永恒的主题,测试是保证高速铁路ATO系统功能正确性的重要技术方法,测试序列指导整个测试工作,测试序列的优劣关系到测试工作的质量和效率。如何自动生成高质量的测试序列、提高测试效率一直是列控系统测试工作中的关键问题。北京交通大学作为第三方已完成对京沈高速铁路ATO系统的测试工作,论文在此基础上,总结了高速铁路ATO系统的测试方法、提炼出编制测试序列需要遵循的原则。针对人工编写测试序列工作量大、效率较低的问题,利用循环神经网络（Recurrent Neural Networks,RNN）和专家系统从测试序列的生成与判断两个角度展开研究。结果表明,该方法可以有效提高测试效率。具体地,论文进行了以下研究工作:（1）提出基于RNN的测试序列自动生成方法。将测试序列自动生成问题转化为具有时序性的预测问题,选用RNN的变体——长短时记忆网络（Long Short-Term Memory,LSTM）作为测试序列自动生成模型。神经网络的输入为有序事件,输出为测试子序列,将测试子序列按照测试路径串接即可得到测试序列。利用京沈高铁测试序列作为数据集训练神经网络,对比分析了模型生成的测试序列与人工编写的测试序列之间的异同之处,证明了方法的可行性。（2）提出基于专家系统的测试序列判断方法。利用产生式规则表示测试序列长度、覆盖度的相关知识并建立专家系统的知识库,选用正向推理机判断测试序列是否满足知识规则;对于不符合要求的测试序列,专家系统的判断结果会指出其问题所在,进而帮助测试人员重新生成测试序列。（3）结合测试序列自动生成算法及测试序列判断算法,利用C#语言完成高速铁路ATO系统测试序列辅助生成工具的开发工作。该工具能够根据列控工程数据、测试案例自动生成测试序列。实际结果表明,与人工相比,该工具可以提高17.95%的效率。
张天伦[8]（2019）在《基于OODA环的作战机会与风险分析》文中提出作战机会与风险的分析对作战筹划阶段提供了帮助,基于OODA环分析作战机会与风险有重要意义。所以需要一种能够预测作战机会与风险的强有力手段,对作战机会风险进行识别评估,确保有的放矢。本文首先对作战筹划的概念做了说明,基于网络作战对抗,提出了一种联合作战筹划的流程:提出重要的决策点、生成敌我作战网络、作战网络量化分析、权衡筛选作战分析。并且基于此流程,阐述了作战单元和作战过程的概念,提出并实现了一种基于目标、传感单元、决策单元和影响单元的复杂作战网络建模方法（TSDI）;根据网络模型的生成规则构建了敌我作战网络,作战网络中相互配合、密切协同的节点可组成OODA环,达到体系作战的目的。同时将作战网络中节点相关数据存入数据库中以作专家系统的事实,也为作战机会与风险中专家打分提供了依据。引入CLIPS专家系统开发工具,根据作战网络的信息构建事实库和规则库,采用正向推理宽度优先搜索设计推理机,经过规则推理引擎识别OODA环,将CLIPS通过动态链接库嵌入方式实现与C++的混编,采用Qt平台开发,数据库系统平台选用MySQL,与以往的研究相比首次完成了基于规则推理的OODA环系统实现。提出了从规则推理的OODA环中观测、决策和打击这三个方面识别作战机会和风险,确立了作战机会和风险指标,用层次分析法建立了两层次的作战机会与风险评估体系,对指标权重量化分析,通过使用层次分析法和模糊综合评价法建立的作战机会风险评估模型,为评估部队作战方案的合理性提供了评估指标,并给出机会和风险应对建议。
秦宏宇[9]（2017）在《基于CBR-RBR集成方法的马病远程诊断专家系统的研究》文中进行了进一步梳理伴随着国家经济持续发展,我国马产业的发展速度也随之加快,但是在发展的同时也面临着新的机遇与挑战。近年来,我国在马匹专门化品种繁殖培育、马群保种和壮大的研究、示范的工作,对马产业的发展起到了一定效果。但是在马生产养殖方面取得进步的同时,疾病的发生仍然制约着马产业的持续发展。目前,马匹养殖环节存在着很多问题,如生产养殖多分布于基层,疾病诊断基础设施条件相对落后,领域专家稀缺,具有丰富临床诊疗经验的基层马兽医在数量和质量上都无法满足产业发展的需求。鉴于马病频发,马病诊断困难,诊断准确率低等问题,本研究旨在构建具备领域专家级疾病诊断水平的马病远程诊断与管理信息系统,一定程度上降低马病临床诊疗的误诊率和漏诊率,提高基层马兽医的服务质量。马病远程诊断与管理信息系统按照N层体系架构和面向对象技术进行设计,基于.NET框架技术,采用Asp.net和SQL Server 2008数据库等工具构建。研究通过走访新疆维吾尔自治区7个示范区调查基层马兽医的使用需求,分析与总结马病知识特点及规律,在领域专家的密切协作下,通过人工获取知识的方式,将马病专家经验知识和领域专业知识总结分析与归纳整理,采用基于对象-属性-值三元组法改进的产生式规则知识表示法和框架知识表示法对规则知识和案例知识进行表示,在关联数据库的基础上建造知识库和数据库,分别构建规则知识库、案例知识库、治疗数据库、病例数据库、预防数据库、多媒体数据库及工作数据库等辅助数据库。在分析马兽医领域专家诊断疾病的思维方式和诊断方法的基础上,对传统的规则推理进行了一定的改进,采用基于模糊规则提升理论的规则推理为主,案例推理为辅的集成推理模式,充分结合两种推理机制的优点,进而提高疾病诊断的准确率。本系统最终实现功能如下:（1）本项研究成功的研制出“马病远程诊断专家系统”和“马病远程管理信息系统”,该系统能够对118种马病进行诊断,并实现相关信息的管理功能。（2）马病远程诊断专家系统,针对传统规则推理中规则置信系数固定不变的不足,应用置信系数多值逻辑对知识的不确定性进行评估,采用模糊规则提升理论对规则推理进行一定的改进,实现规则置信系数的动态调整与优化。采用基于模糊规则提升理论的规则推理为主,案例推理为辅的CBR-RBR集成推理策略,将CBR作为改进后的RBR推理的补充和结果验证的保障,较好的模拟领域专家诊断疾病时的推理思维方式。（3）马病远程诊断专家系统实现了马病的智能化诊断功能,为用户提供19个疾病症状信息组,500多个图片及视频多媒体资料,118种马病的辅助诊断。系统依据用户提供的临床症状信息,通过推理诊断过程给出疾病诊断结果供用户参考。用户在操作过程中可以随时查看典型症状图片、视频等多媒体资料,为临床诊疗工作提供决策支持。（4）马病远程管理信息系统能够记录病马的具体发病情况,并对疾病发病率统计分析,为基层马兽医的疾病诊断和防治决策提供详细的参照。实现免疫、驱虫和消毒等疾病预防方面的管理功能,根据相应的工作程序,实现提醒功能,避免了由于马匹机体免疫等功能的缺失而造成疾病的发生。（5）马病远程管理信息系统还为用户提供典型病案资料和疾病预防方案的知识学习功能,系统不但以文字信息的方式将知识进行展示,而且还提供了典型疾病的症状图片和视频多媒体资料等丰富的学习资源。除此之外开发远程教学平台,实现用户与专家的网络平台信息交流。（6）马病远程诊断与管理信息系统通过了示范区的应用示范,并进行分组验证评价,评价结果显示系统在诊断疾病的准确性、界面友好度、问题描述的清晰程度、知识库的覆盖面及完整性方面的性能良好,具有较强的实用性和可操作性,能够较好的为基层马兽医提供疾病辅助诊疗及管理服务。
丁冠军[10]（2017）在《基于规则的巡检机器人自动越障专家系统研究》文中认为随着科学技术的发展,尤其是机器人技术的发展,输电线路的巡检工作逐渐由人工巡检方式向机器人巡检方式过渡,巡检机器人在输电线路巡检工作中的重要性逐渐得到认可。由于输电线路环境复杂,障碍多样,巡检机器人自动越障的问题日益凸显,主要表现在越障稳定性差、越障效率低等。因此,研究一种新型的提高巡检机器人自动越障稳定性和效率的方法具有十分重要的意义。本文在深入研究了产生式规则和专家系统理论的基础上,充分调研了巡检机器人控制系统的发展现状,探讨了课题研究的目标与可行性,提出了一种基于规则的专家系统的方法,将产生式规则和专家系统理论应用到巡检机器人自动越障控制过程中。本文结合巡检机器人结构、机器人自由度和传感器信号特点,对传感器信号采集电路、安装布局和机器人自动越障流程进行了深入的研究,分析了巡检机器人自动越障的功能要求,设计了自动越障专家系统的总体结构、功能模块和工作流程。分析了知识的概念,知识的表示方式和获取方式,采用直接获取和间接获取相结合的知识获取方式和产生式规则的知识表示方式建立了专家系统的知识库,并设计了知识库的维护流程。在此基础上探讨了推理机的推理方式、推理方向、冲突消除策略和Rete匹配算法,分析比较了盲目性搜索和启发性搜索两种搜索方式,采用确定性推理方式、正向推理方向、盲目性搜索方式和Rete改进算法,设计了推理机的推理流程。在建立了知识库和推理机的基础上,以Windows7为操作系统,采用Visual Studio 2010作为开发工具,以C#语言编写推理程序,以SQL Server 2008作为数据库,开发了基于规则的巡检机器人自动越障专家系统。它具有良好的人机界面,实现了自动越障、知识库管理、帮助等功能。在完成理论分析的基础上,运用巡检机器人自动越障对本专家系统进行了实验,验证了越障过程理论分析的正确性与可靠性,实验结果表明了将专家系统理论应用于巡检机器人自动越障过程控制的可行性。
二、专家系统中正向推理机的一种实现方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、专家系统中正向推理机的一种实现方法（论文提纲范文）
（1）SL-Z25010Y智能电容主控电路故障诊断方法及实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 故障诊断方法研究概况 |
| 1.2.1 基于解析模型的方法 |
| 1.2.2 基于信号处理的方法 |
| 1.2.3 基于知识的方法 |
| 1.3 主要研究内容与结构安排 |
| 第二章 专家系统与故障树分析 |
| 2.1 专家系统 |
| 2.1.1 专家系统概述 |
| 2.1.2 专家系统的结构 |
| 2.1.3 专家系统的分类 |
| 2.2 故障树分析法 |
| 2.2.1 故障数的建造步骤 |
| 2.2.2 故障树符号 |
| 2.2.3 故障树分析法的数学表示 |
| 2.2.4 故障树的定性分析 |
| 2.2.5 故障树的定量分析 |
| 2.3 基于故障树的专家系统 |
| 2.4 本章小结 |
| 第三章 SL-Z25010Y智能电容故障分析 |
| 3.1 SL-Z25010Y智能电容的组成 |
| 3.2 SL-Z25010Y智能电容工作原理 |
| 3.3 SL-Z25010Y智能电容技术指标 |
| 3.4 SL-Z25010Y智能电容的工作方式 |
| 3.4.1 主机工作方式 |
| 3.4.2 从机工作方式 |
| 3.5 SL-Z25010Y智能电容故障分析 |
| 3.5.1 电源电路5V与采样电路故障分析 |
| 3.5.2 通信电路与显示电路故障分析 |
| 3.5.3 指示灯不亮与按键电路故障分析 |
| 3.5.4 电压过零电路与磁保驱动电路故障分析 |
| 3.5.5 电容器与晶振电路故障分析 |
| 3.5.6 组网故障分析 |
| 3.6 本章小结 |
| 第四章 SL-Z25010Y主机智能电容故障树建立 |
| 4.1 故障树的建立 |
| 4.2 故障树定性与定量分析 |
| 4.2.1 定性分析 |
| 4.2.2 定量分析 |
| 4.2.3 改进层次分析法 |
| 4.3 本章小结 |
| 第五章 SL-Z25010Y主控电路故障诊断专家系统设计与实现 |
| 5.1 开发环境与开发分析 |
| 5.1.1 开发分析 |
| 5.1.2 开发环境 |
| 5.2 知识库的设计 |
| 5.2.1 知识的表示方法 |
| 5.2.2 知识的存储 |
| 5.2.3 知识的管理 |
| 5.3 推理机的设计 |
| 5.3.1 诊断流程设计 |
| 5.3.2 SL-Z25010Y主控电路故障诊断系统推理机的设计 |
| 5.4 专家系统人机界面介绍 |
| 5.4.1 系统总体设计 |
| 5.4.2 测试仪器与计算机连接 |
| 5.4.3 主界面 |
| 5.4.4 知识库管理功能 |
| 5.4.5 诊断实例 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（2）基于波动向量的时序数据状态分析及专家系统模型的构建（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状及方法 |
| 1.2.1 突变点检测技术现状 |
| 1.2.2 病变信号研究现状 |
| 1.2.3 专家系统研究现状 |
| 1.3 课题的研究内容及结构 |
| 第二章 专家系统与多突变点检测模型的相关介绍 |
| 2.1 引言 |
| 2.2 专家系统的介绍 |
| 2.2.1 专家系统的结构 |
| 2.2.2 专家系统的优点 |
| 2.3 突变点检测的介绍 |
| 2.3.1 突变点相关知识 |
| 2.3.2 时序数据模型 |
| 2.3.3 区间估计 |
| 2.4 突变点检测的相关算法 |
| 2.4.1 KS检验法 |
| 2.4.2 滑动T检验法 |
| 2.4.3 HWKS算法 |
| 2.5 多突变点检测模型构建 |
| 2.5.1 TSTKS算法 |
| 2.5.2 滑动窗口理论 |
| 2.5.3 多突变点检测模型 |
| 2.6 小结 |
| 第三章 基于波动向量的模板匹配与隶属度解析的算法模型 |
| 3.1 引言 |
| 3.2 波动向量的构建 |
| 3.2.1 波动量的定义 |
| 3.2.2 波动向量 |
| 3.3 基于波动向量的模板匹配与隶属度解析的框架 |
| 3.3.1 波动向量特征模板及匹配 |
| 3.3.2 隶属度解析技术 |
| 3.3.3 基于模板匹配与隶属度解析的算法框架 |
| 3.4 实验结果与分析 |
| 3.4.1 评价指标 |
| 3.4.2 滑动窗口宽度的影响 |
| 3.4.3 结果与分析 |
| 3.5 小结 |
| 第四章 基于波动向量的时序数据病变状态分析 |
| 4.1 引言 |
| 4.2 病变数据描述及分析 |
| 4.2.1 脑电信号及癫痫特征介绍 |
| 4.2.2 数据集描述 |
| 4.3 病变数据检测与对比分析 |
| 4.3.1 相关系数法和Manhattan距离法 |
| 4.3.2 病变数据特征提取 |
| 4.3.3 检测结果与讨论 |
| 4.4 基于波动向量的病变状态分类 |
| 4.4.1 SVM多分类器 |
| 4.4.2 分类实验与分析 |
| 4.5 小结 |
| 第五章 基于病变状态分析的专家系统模型构建 |
| 5.1 引言 |
| 5.2 病变状态专家系统模型的设计 |
| 5.3 知识获取机构和知识库的建立 |
| 5.3.1 知识获取 |
| 5.3.2 知识表示 |
| 5.3.3 建立知识库 |
| 5.4 推理机的建立 |
| 5.4.1 推理机的控制策略 |
| 5.4.2 基于病变状态分析的推理规则 |
| 5.5 实验结果与分析 |
| 5.5.1 脑电实验结果 |
| 5.5.2 心电实验结果 |
| 5.6 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士期间研究成果 |
| 致谢 |
（3）基于知识约简的航空发动机涡轮部件故障诊断专家系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 航空发动机涡轮等气路部件故障诊断研究现状 |
| 1.2.2 知识约简理论应用及研究现状 |
| 1.3 本文的主要工作和全文组织 |
| 2 专家系统的知识获取 |
| 2.1 知识约简理论概况 |
| 2.1.1 知识约简的研究对象 |
| 2.1.2 知识约简理论的特点 |
| 2.2 知识约简理论的基础知识 |
| 2.2.1 信息系统中的定义 |
| 2.2.2 数学表示 |
| 2.3 约简过程及算法改进 |
| 2.3.1 属性约简 |
| 2.3.2 值约简 |
| 2.4 规则检测算法 |
| 2.5 知识的表示 |
| 2.5.1 知识表示的原则 |
| 2.5.2 规则语言表现形式 |
| 2.6 专家知识库的设计 |
| 2.7 本章小结 |
| 3 专家系统推理机的设计 |
| 3.1 基于深度优先遍历的精确推理算法 |
| 3.1.1 规则决策树的存储结构 |
| 3.1.2 基于深度优先遍历的精确推理算法 |
| 3.1.3 算法时间复杂度和空间复杂度 |
| 3.2 产生式规则模糊推理算法 |
| 3.2.1 产生式模糊推理概况 |
| 3.2.2 熵权法确定权系数 |
| 3.2.3 可信度的初始化与动态修改策略 |
| 3.2.4 冲突消解策略 |
| 3.3 专家系统的推理机制 |
| 3.3.1 推理方法 |
| 3.3.2 规则匹配方向 |
| 3.3.3 推理机匹配算法设计 |
| 3.4 本章小结 |
| 4 某型航空发动机的试验数据算法验证 |
| 4.1 数据来源及属性介绍 |
| 4.2 数据预处理 |
| 4.3 两种故障的约简结果 |
| 4.4 规则决策树及专家知识库 |
| 4.5 试验数据诊断结果 |
| 4.6 本章小结 |
| 5 航空发动机故障诊断专家系统软件平台 |
| 5.1 软件概述 |
| 5.2 功能介绍 |
| 5.3 实现过程 |
| 5.3.1 故障数据表的导入/删除 |
| 5.3.2 数据预处理 |
| 5.3.3 分级限值数据生成 |
| 5.3.4 属性约简和值约简 |
| 5.3.5 规则检测和提取 |
| 5.3.6 推理机与结果展示 |
| 5.3.7 其它功能 |
| 5.4 软件性能 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（4）基于知识工程的旋耕机智能设计系统研究与开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状及发展趋势分析 |
| 1.2.1 国外智能设计技术研究现状 |
| 1.2.2 国内智能设计技术研究现状 |
| 1.3 主要研究内容与系统结构路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 系统研究框架 |
| 1.4 本章小结 |
| 第二章 旋耕机设计规则研究与知识获取、表示和存储 |
| 2.1 旋耕机知识获取概述和知识模型分类 |
| 2.2 旋耕机关键部件设计规则研究 |
| 2.2.1 旋耕刀选型规则 |
| 2.2.2 旋耕刀数量设计规则 |
| 2.2.3 旋耕刀排列方式设计规则 |
| 2.2.4 旋耕刀刀座间距设计规则 |
| 2.2.5 刀轴厚度设计规则 |
| 2.2.6 其余零部件设计规则 |
| 2.3 实例模型获取 |
| 2.3.1 旋耕刀实例模型获取 |
| 2.3.2 旋耕机标准件实例 |
| 2.3.3 旋耕机实例模型的绘制 |
| 2.4 旋耕机设计知识表示 |
| 2.4.1 旋耕机设计知识表示概述 |
| 2.4.2 旋耕机属性知识的框架表示 |
| 2.4.3 旋耕机设计知识的产生式规则表示 |
| 2.5 旋耕机设计资料的存储 |
| 2.6 本章小结 |
| 第三章 系统集成推理算法研究 |
| 3.1 推理机制概述 |
| 3.2 系统推理流程 |
| 3.3 基于规则的推理 |
| 3.3.1 基于产生式规则知识的推理 |
| 3.3.2 基于经验知识的模糊推理 |
| 3.4 基于实例的推理 |
| 3.4.1 CBR技术概述 |
| 3.4.2 基于实例的推理算法 |
| 3.4.3 算法应用举例 |
| 3.5 面向用户的推理解释机制 |
| 3.5.1 推理解释机制的作用和需求 |
| 3.5.2 用户水平与知识深度匹配 |
| 3.6 本章小结 |
| 第四章 智能设计平台的开发与系统验证 |
| 4.1 系统开发环境和开发工具 |
| 4.1.1 系统开发环境 |
| 4.1.2 系统开发工具 |
| 4.1.3 系统开发语言 |
| 4.2 旋耕机智能设计系统结构 |
| 4.3 系统功能模块及其开发关键技术 |
| 4.3.1 数据库参数获取和调用技术 |
| 4.3.2 零件模型参数化技术 |
| 4.3.3 参数化零件自动装配技术 |
| 4.4 智能设计系统平台UI界面和系统应用举例 |
| 4.5 系统验证 |
| 4.5.1 旋耕机耕作效果验证 |
| 4.5.2 旋耕机耕作部件可靠性验证 |
| 4.6 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录A 攻读学位期间发表的学术论文及研究成果 |
| 附录B 系统开发部分主要程序 |
（5）3D打印脊柱侧弯矫形器智能化与数字化设计平台关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 脊柱侧弯矫形器的研究现状 |
| 1.2.2 3D打印康复辅具的研究现状 |
| 1.2.3 人工智能康复医疗的研究现状 |
| 1.2.4 康复辅具数字化设计的研究现状 |
| 1.2.5 现有研究中存在的不足 |
| 1.3 本文的研究目的和内容 |
| 1.3.1 本文的研究目的 |
| 1.3.2 本文的研究内容 |
| 1.4 本文的组织结构 |
| 第二章 3D打印脊柱侧弯矫形器智能化与数字化设计平台设计 |
| 2.1 3D打印脊柱侧弯矫形器智能化与数字化开发流程 |
| 2.2 3D打印脊柱侧弯矫形器智能化与数字化设计平台的功能模型 |
| 2.3 3D打印脊柱侧弯矫形器智能化与数字化设计平台的体系结构 |
| 本章小结 |
| 第三章 基于模糊专家系统的脊柱侧弯矫形器设计方法 |
| 3.1 模糊专家系统的理论基础 |
| 3.1.1 模糊逻辑概述 |
| 3.1.2 专家系统概述 |
| 3.2 基于模糊专家系统的脊柱侧弯矫形器设计方法 |
| 3.2.1 脊柱侧弯矫形器设计推理模型 |
| 3.2.2 脊柱侧弯矫形器设计知识表达模型 |
| 3.2.3 脊柱侧弯矫形器设计模糊推理模型 |
| 3.2.4 脊柱侧弯矫形器设计模糊推理模型算例 |
| 3.3 脊柱侧弯矫形器设计模糊专家系统的设计与实现 |
| 3.3.1 脊柱侧弯矫形器设计模糊专家系统的总体设计 |
| 3.3.2 脊柱侧弯矫形器设计模糊专家系统的功能模块设计 |
| 3.4 试验研究 |
| 本章小结 |
| 第四章 基于模糊神经网络的脊柱侧弯矫形器设计模型 |
| 4.1 模糊神经网络的理论基础 |
| 4.1.1 人工神经网络概述 |
| 4.1.2 BP网络概述 |
| 4.2 脊柱侧弯矫形器设计模型的结构与算法 |
| 4.3 试验研究 |
| 本章小结 |
| 第五章 3D打印脊柱侧弯矫形器数字化设计方法 |
| 5.1 3D打印脊柱侧弯矫形器数字化设计流程 |
| 5.2 AIS患者躯体点云处理技术 |
| 5.2.1 AIS患者躯体点云去噪方法 |
| 5.2.2 AIS患者躯体点云精简方法 |
| 5.2.3 AIS患者躯体点云数字化修型方法 |
| 5.3 脊柱侧弯矫形器曲面处理技术 |
| 5.3.1 脊柱侧弯矫形器点云平滑方法 |
| 5.3.2 脊柱侧弯矫形器点云三维重建方法 |
| 5.3.3 脊柱侧弯矫形器曲面裁剪方法 |
| 5.4 试验研究 |
| 本章小结 |
| 第六章 3D打印脊柱侧弯矫形器智能化与数字化设计平台的临床应用实例 |
| 6.1 对象与方法 |
| 6.1.1 试验时间、地点及对象 |
| 6.1.2 试验设备及材料 |
| 6.1.3 方法 |
| 6.2 结果 |
| 6.3 讨论 |
| 本章小结 |
| 结论与展望 |
| 主要创新点 |
| 参考文献 |
| 附录 A 脊柱侧弯研究会—22问卷(SRS-22问卷) |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
（6）人工林培育知识图谱构建与作业法推荐技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 决策支持系统研究 |
| 1.2.2 人工林培育决策系统与推理方法研究 |
| 1.2.3 知识图谱研究与应用 |
| 1.2.4 决策支持系统的开发技术 |
| 1.2.5 小结 |
| 1.3 研究目标和内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 研究方法和技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 研究的技术路线 |
| 1.5 研究地区与研究数据 |
| 1.5.1 研究地区 |
| 1.5.2 研究数据 |
| 1.6 项目来源与经费支持 |
| 1.7 论文组织结构 |
| 2 研究的理论与技术基础概述 |
| 2.1 研究的理论知识基础 |
| 2.1.1 森林培育的基本概念 |
| 2.1.2 人工林培育专家系统 |
| 2.1.3 人工林培育知识图谱 |
| 2.2 系统开发技术 |
| 2.2.1 软件架构与Web开发技术 |
| 2.2.2 Python语言与R语言 |
| 2.2.3 Neo4j图数据库 |
| 2.2.4 可视化技术 |
| 2.2.5 天地图Web API技术 |
| 2.3 本章小结 |
| 3 人工林培育知识抽取与知识图谱构建 |
| 3.1 人工林培育知识和知识存储 |
| 3.1.1 人工林培育知识 |
| 3.1.2 知识存储形式 |
| 3.2 知识抽取算法流程与入库 |
| 3.2.1 知识抽取算法 |
| 3.2.2 知识入库 |
| 3.3 知识图谱可视化与检索 |
| 3.3.1 知识图谱可视化 |
| 3.3.2 知识检索 |
| 3.4 本章小结 |
| 4 人工林培育推理规则的构建与推理机研究 |
| 4.1 人工林培育推理规则与规则提取算法 |
| 4.1.1 人工林培育推理规则 |
| 4.1.2 规则自动提取算法 |
| 4.2 推理机设计 |
| 4.3 本章小结 |
| 5 人工林培育知识服务与作业法推荐系统的设计与实现 |
| 5.1 需求分析 |
| 5.1.1 用户需求 |
| 5.1.2 功能需求 |
| 5.2 系统设计 |
| 5.2.1 系统的体系结构 |
| 5.2.2 系统的功能结构 |
| 5.3 业务流程设计 |
| 5.3.1 人工林培育知识检索业务流程 |
| 5.3.2 人工林培育作业法推荐业务流程 |
| 5.4 数据库设计 |
| 5.4.1 数据库逻辑结构模型 |
| 5.4.2 关系数据库设计 |
| 5.4.3 图数据库设计 |
| 5.5 系统开发的关键技术 |
| 5.5.1 基于知识图谱的人工林培育相关知识检索 |
| 5.5.2 Web地图选择 |
| 5.5.3 人工林培育作业法推荐 |
| 5.6 系统运行实例 |
| 5.6.1 系统运行环境 |
| 5.6.2 系统运行实例 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（7）高速铁路ATO系统测试序列自动生成研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文主要工作与章节安排 |
| 2 高速铁路ATO系统的测试方法 |
| 2.1 高速铁路ATO系统 |
| 2.1.1 高速铁路ATO系统整体架构 |
| 2.1.2 车载设备新增功能 |
| 2.1.3 地面设备新增功能 |
| 2.1.4 主要运营场景 |
| 2.2 测试方法 |
| 2.2.1 测试案例 |
| 2.2.2 测试序列 |
| 2.2.3 测试平台 |
| 2.2.4 测试流程 |
| 2.3 本章小结 |
| 3 基于循环神经网络的测试序列自动生成方法 |
| 3.1 问题描述与解决方案 |
| 3.1.1 问题描述 |
| 3.1.2 解决方案 |
| 3.2 循环神经网络简介 |
| 3.2.1 循环神经网络 |
| 3.2.2 长短时记忆网络 |
| 3.3 循环神经网络生成测试序列实例 |
| 3.3.1 模型构建 |
| 3.3.2 模型训练及参数调整 |
| 3.3.3 示例分析 |
| 3.4 本章小结 |
| 4 基于专家系统的测试序列判断方法 |
| 4.1 问题描述与解决方案 |
| 4.1.1 问题描述 |
| 4.1.2 解决方案 |
| 4.2 专家系统简介 |
| 4.2.1 专家系统 |
| 4.2.2 基于规则的专家系统 |
| 4.3 专家系统判断测试序列实例 |
| 4.3.1 专家系统知识库设计 |
| 4.3.2 专家系统推理机设计 |
| 4.3.3 专家系统实现 |
| 4.4 本章小结 |
| 5 测试序列辅助生成工具的设计与实现 |
| 5.1 辅助工具需求分析与总体设计 |
| 5.1.1 需求分析 |
| 5.1.2 总体设计 |
| 5.2 主要模块详细设计 |
| 5.2.1 测试序列生成模块 |
| 5.2.2 测试序列判断模块 |
| 5.3 辅助工具实现及应用 |
| 5.3.1 辅助工具实现 |
| 5.3.2 工具应用及结果分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录A 配合条件及编号 |
| 附录B 辅助工具生成的测试序列 |
| 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 |
（8）基于OODA环的作战机会与风险分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景、目的及意义 |
| 1.2 国内外研究概况 |
| 1.3 论文的研究内容与组织结构 |
| 2 基于OODA环的作战体系对抗建模 |
| 2.1 OODA环概述 |
| 2.2 OODA环的四个阶段 |
| 2.3 网络作战体系对抗的OODA模型构建 |
| 2.4 基于规则推理的OODA环构建 |
| 2.5 基于CLIPS专家系统实现OODA环推理 |
| 2.6 本章小结 |
| 3 作战筹划中作战网络模型的构建 |
| 3.1 作战筹划概述 |
| 3.2 作战筹划阶段的流程框架 |
| 3.3 作战单元及作战过程 |
| 3.4 基于TSDI方法的作战网络模型构建 |
| 3.5 作战网络对比试验分析 |
| 3.6 基于规则推理识别作战网络中的OODA环 |
| 3.7 本章小结 |
| 4 作战机会与风险评估 |
| 4.1 作战机会与风险概述 |
| 4.2 作战机会与风险分析 |
| 4.3 作战机会与风险评估方法 |
| 4.4 案例中红方作战机会与风险分析 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读硕士期间参与的研究项目 |
（9）基于CBR-RBR集成方法的马病远程诊断专家系统的研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 1 引言 |
| 1.1 我国马产业发展现状及存在的问题 |
| 1.2 专家系统概述 |
| 1.2.1 什么是专家系统 |
| 1.2.2 专家系统的结构 |
| 1.2.3 专家系统的类型及特点 |
| 1.2.4 专家系统的知识获取 |
| 1.2.5 专家系统知识库 |
| 1.3 知识推理技术的概述 |
| 1.3.1 基于规则推理（RBR） |
| 1.3.2 基于案例推理（CBR） |
| 1.3.3 基于模型推理（MBR） |
| 1.4 专家系统在医学及兽医学中研究现状 |
| 1.4.1 医学专家系统研究现状 |
| 1.4.2 专家系统在兽医领域的应用 |
| 1.4.3 动物疾病诊断专家系统存在的问题 |
| 1.5 研究目的与意义 |
| 2 马病临床诊断内容的研究 |
| 2.1 马疾病诊断特点分析 |
| 2.2 马疾病诊断任务分析 |
| 2.3 马疾病临床诊断过程描述 |
| 3 CBR和RBR集成的马病诊断推理方法研究 |
| 3.1 CBR-RBR集成推理策略 |
| 3.2 基于规则的推理方法 |
| 3.2.1 正向推理 |
| 3.2.2 反向推理 |
| 3.2.3 正反向混合推理 |
| 3.3 基于模糊规则提升理论的推理方法研究 |
| 3.3.1 马病诊断知识及模糊规则表示 |
| 3.3.2 基于模糊规则提升理论的推理机制 |
| 3.3.3 疾病诊断实证分析 |
| 3.4 基于案例的推理方法 |
| 3.4.1 案例推理概述 |
| 3.4.2 马病案例知识表示 |
| 3.4.3 马病案例症状属性及属性权值确定 |
| 3.4.4 马病案例检索 |
| 3.4.5 案例重用和修改 |
| 3.4.6 案例保存 |
| 3.5 CBR-RBR集成推理策略的评价 |
| 4 马病远程诊断与管理信息系统的设计 |
| 4.1 系统开发过程 |
| 4.2 系统总体设计 |
| 4.2.1 系统设计原则 |
| 4.2.2 系统功能设计 |
| 4.2.3 系统结构设计 |
| 4.2.4 系统体系结构 |
| 4.3 系统知识库设计 |
| 4.3.1 知识获取 |
| 4.3.2 知识库及数据库的建立 |
| 5 马病远程诊断与管理信息系统的实现 |
| 5.1 系统开发环境 |
| 5.1.1 软件环境 |
| 5.1.2 硬件环境 |
| 5.2 系统登录和主界面 |
| 5.2.1 登录界面 |
| 5.2.2 主界面 |
| 5.3 马病诊断专家系统的实现 |
| 5.3.1 基于症状的诊断 |
| 5.3.2 基于疾病的诊断 |
| 5.4 马病管理信息系统的实现 |
| 5.4.1 病例管理 |
| 5.4.2 病例统计 |
| 5.4.3 病案资料库 |
| 5.4.4 免疫管理 |
| 5.4.5 预防方案管理 |
| 5.4.6 远程教学 |
| 5.5 系统评价 |
| 6 讨论 |
| 6.1 本系统的特点 |
| 6.2 领域专家求解问题的思维分析 |
| 6.3 CBR-RBR集成推理策略分析 |
| 6.4 系统构建分析 |
| 6.4.1 .NET面向对象可重用组件的开发 |
| 6.4.2 系统安全 |
| 6.5 系统开发的必要性 |
| 6.6 系统下一步改进方向 |
| 6.6.1 知识库的改进 |
| 6.6.2 物联网技术的交叉集成 |
| 7 结论 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的学术论文 |
（10）基于规则的巡检机器人自动越障专家系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外课题的研究现状 |
| 1.3 本课题主要研究内容与框架 |
| 1.4 本章小结 |
| 2 基于规则的巡检机器人自动越障专家系统理论基础 |
| 2.1 产生式规则 |
| 2.2 专家系统 |
| 2.3 专家系统开发工具简介 |
| 2.4 本章小结 |
| 3 巡检机器人自动越障专家系统总体设计 |
| 3.1 巡检机器人结构 |
| 3.2 巡检机器人自动越障流程设计 |
| 3.3 巡检机器人自动越障专家系统总体设计 |
| 3.4 本章小结 |
| 4 巡检机器人自动越障专家系统知识库设计 |
| 4.1 知识的概念 |
| 4.2 知识的表示 |
| 4.3 知识的获取 |
| 4.4 巡检机器人自动越障专家系统知识库的建立 |
| 4.5 本章小结 |
| 5 巡检机器人自动越障专家系统推理机设计 |
| 5.1 专家系统推理机的推理方式 |
| 5.2 推理机的推理方向 |
| 5.3 搜索策略 |
| 5.4 冲突消除策略 |
| 5.5 Rete匹配算法 |
| 5.6 巡检机器人自动越障专家系统推理机设计 |
| 5.7 本章小结 |
| 6 巡检机器人自动越障专家系统的实验验证 |
| 6.1 系统各功能模块的开发 |
| 6.2 系统的算法分析与实验验证 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的学术成果和获奖情况 |
| 学位论文数据集 |
四、专家系统中正向推理机的一种实现方法（论文参考文献）
- [1]SL-Z25010Y智能电容主控电路故障诊断方法及实现[D]. 丁健. 南京信息工程大学, 2021(01)
- [2]基于波动向量的时序数据状态分析及专家系统模型的构建[D]. 龚汉鑫. 东华大学, 2021(01)
- [3]基于知识约简的航空发动机涡轮部件故障诊断专家系统设计[D]. 徐现强. 大连理工大学, 2021(01)
- [4]基于知识工程的旋耕机智能设计系统研究与开发[D]. 鲁超宇. 昆明理工大学, 2021(01)
- [5]3D打印脊柱侧弯矫形器智能化与数字化设计平台关键技术研究[D]. 赵德竹. 大连交通大学, 2020(05)
- [6]人工林培育知识图谱构建与作业法推荐技术研究[D]. 罗欢. 北京林业大学, 2020
- [7]高速铁路ATO系统测试序列自动生成研究[D]. 宁鹏飞. 北京交通大学, 2020(03)
- [8]基于OODA环的作战机会与风险分析[D]. 张天伦. 华中科技大学, 2019(03)
- [9]基于CBR-RBR集成方法的马病远程诊断专家系统的研究[D]. 秦宏宇. 东北农业大学, 2017(01)
- [10]基于规则的巡检机器人自动越障专家系统研究[D]. 丁冠军. 山东科技大学, 2017(03)