基于决策树的装甲车故障辅助诊断系统的设计与实现

论文摘要

专家系统是人工智能领域最为活跃和最富应用前景的一个分支,将专家系统应用于军用装甲车辆故障诊断方面,它可以保存和利用专家的经验知识并结合有关诊断方面的领域知识,提高维修人员的经验水平和维修效率,适合于实战中多解性,创造性和复杂性问题的求解。本文介绍了一个决策树的实际应用——基于决策树的装甲车故障辅助诊断系统。该系统以我军信息化作战需求为背景、根据客户的要求在.NET平台上、数据库使用SQLSever 2000对本文设计的装甲车故障诊断系统进行实现,具有数据采集、知识管理、机器自学习、对诊断的故障进行解释等功能。本系统在保证功能的同时,为用户提供了更加方便友好的操作方式。论文首先从系统的开发背景和国内外研究现状和实现意义谈起；之后,对传统的故障诊断专家系统架构、及其相关概念以及比较流行的归纳学习算法(决策树分类算法)进行简单介绍；然后,详细的阐述了决策树的核心算法ID3,并对决策树分类算法进行分析比较,针对ID3算法存在的不足,提出了基于属性优先关联度的AID3算法；而后,重点谈了系统的设计和实现。设计部分从需求分析、系统总体结构和实现思路着手,提出了系统的总体设计方案,并对系统的功能设计和数据库设计做了详细的说明；实现部分介绍了系统中各个模块的实现方法。最后,论文对系统的测试进行了说明,总结了实际操作中的经验,并指出了系统需要改进的方面。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 军用装甲车辆故障诊断技术现状
• 1.1.1 军用装甲车的历史沿革
• 1.1.2 国内外军用车辆故障诊断技术现状
• 1.2 课题的来源、背景及研究意义
• 1.3 研究内容及组织结构
• 第2章 专家系统与决策树
• 2.1 专家系统
• 2.1.1 专家系统基础
• 2.1.2 专家系统的构建
• 2.1.3 专家系统研究现状及发展趋势
• 2.2 决策树算法介绍
• 2.2.1 决策树的基本思想
• 2.2.2 决策树生成算法
• 2.2.4 常见的决策树算法
• 2.3 ID3算法的改进
• 2.3.1 AID3算法的提出
• 2.3.2 示例分析
• 2.3.3 客户提供数据建树分析
• 2.3.4 实验结果分析
• 2.4 本章小结
• 第3章 装甲车故障辅助诊断系统分析与设计
• 3.1 系统需求分析
• 3.2 系统实现目标
• 3.3 系统用例分析
• 3.4 系统总体结构设计
• 3.5 知识获取子系统的设计
• 3.5.1 知识库的设计
• 3.5.2 数据采集模块
• 3.5.3 知识管理模块
• 3.5.4 机器学习模块
• 3.6 诊断推理子系统的设计
• 3.6.1 解释模块
• 3.6.2 推理机模块
• 3.7 辅助子系统的设计
• 3.7.1 用户管理模块
• 3.7.2 基础资料管理模块
• 3.7.3 维修记录管理模块
• 3.8 本章小结
• 第4章 装甲车故障辅助诊断系统实现
• 4.1 系统开发环境及开发工具介绍
• 4.1.1 C#语言简介
• 4.1.2 .NET简介
• 4.1.3 Microsoft SQL Server 2000简介
• 4.2 知识获取子系统的主体功能实现
• 4.2.1 规则的存储
• 4.2.2 知识库管理模块的实现
• 4.2.3 数据采集模块的实现
• 4.3 诊断推理子系统的主体功能实现
• 4.3.1 推理机模块的实现
• 4.4 辅助子系统的主体功能实现
• 4.4.1 用户管理模块的实现
• 4.4.2 基础资料管理模块的实现
• 4.4.3 维修记录管理模块的实现
• 4.5 本章小结
• 第5章 系统测试
• 5.1 测试工具
• 5.2 测试内容
• 5.2.1 界面测试
• 5.2.2 功能测试
• 5.3 测试结论
• 5.4 本章小结
• 第6章 结论
• 6.1 本文工作总结
• 6.2 进一步工作展望
• 参考文献
• 致谢