第1章  緒論
  1.1  研究目的與意義
  1.2  國內(nèi)外研究現(xiàn)狀
    1.2.1  產(chǎn)品設(shè)計的現(xiàn)代設(shè)計方法研究現(xiàn)狀
    1.2.2  電牽引采煤機設(shè)計研究現(xiàn)狀
  1.3  主要研究內(nèi)容
第2章  基于KBE的電牽引采煤機設(shè)計體系
  2.1  引言
  2.2  KBE技術(shù)
    2.2.1  KBE定義及內(nèi)涵
    2.2.2  KBE系統(tǒng)與專家系統(tǒng)的區(qū)別
  2.3  基于KBE的產(chǎn)品設(shè)計方法
    2.3.1  知識獲取方法
    2.3.2  知識表示方法
    2.3.3  知識推理方法
  2.4  基于KBE的電牽引采煤機設(shè)計方法
    2.4.1  基于s一致性準(zhǔn)則的粗糙集擴展模型的電牽引采煤機知識獲取
    2.4.2  基于混合知識表達模型的電牽引采煤機知識表示
    2.4.3  基于知識融合推理模型的電牽引采煤機知識推理
  2.5  基于KBE的電牽引采煤機設(shè)計體系框架
    2.5.1  電牽引采煤機傳統(tǒng)設(shè)計流程
    2.5.2  基于KBE的電牽引采煤機設(shè)計體系
  2.6  小結(jié)
第3章  基于混合知識表示的電牽引采煤機設(shè)計知識表示與知識庫構(gòu)建
  3.1  引言
  3.2  電牽引采煤機設(shè)計知識構(gòu)成與特點
    3.2.1  電牽引采煤機設(shè)計規(guī)范與流程
    3.2.2  電牽引采煤機設(shè)計領(lǐng)域知識構(gòu)成
    3.2.3  電牽引采煤機設(shè)計知識的特點
  3.3  電牽引采煤機設(shè)計知識表示方法
    3.3.1  電牽引采煤機設(shè)計知識表示要求
    3.3.2  混合知識表示方法
    3.3.3  實例知識的表示
    3.3.4  規(guī)則知識的表示
    3.3.5  過程知識的表示
  3.4  電牽引采煤機設(shè)計知識庫構(gòu)建方案
    3.4.1  知識庫的設(shè)計要求
    3.4.2  知識庫的總體結(jié)構(gòu)
    3.4.3  知識庫的組織方式
  3.5  電牽引采煤機設(shè)計知識庫的實現(xiàn)
    3.5.1  實例庫的設(shè)計與實現(xiàn)
    3.5.2  規(guī)則庫的設(shè)計與實現(xiàn)
    3.5.3  模型庫的設(shè)計與實現(xiàn)
    3.5.4  零件庫的設(shè)計與實現(xiàn)
    3.5.5  材料庫的設(shè)計與實現(xiàn)
    3.5.6  CAE分析庫的設(shè)計與實現(xiàn)
  3.6  小結(jié)
第4章  基于s一致性準(zhǔn)則的粗糙集擴展模型的電牽引采煤機知識獲取
  4.1  引言
  4.2  可獲取的電牽引采煤機設(shè)計知識
  4.3  基于粗糙集的知識獲取
    4.3.1  粗糙集理論的思想
    4.3.2  粗糙集理論的基本概念
    4.3.3  粗糙集與模糊集的關(guān)系
    4.3.4  基于粗糙集的知識獲取步驟
  4.4  基于經(jīng)典粗糙集模型的屬性約簡
    4.4.1  基于差別矩陣的屬性約簡算法
    4.4.2  基于屬性重要度的啟發(fā)式約簡算法
  4.5  基于廣義鄰域粗糙集模型的屬性約簡
    4.5.1  連續(xù)屬性的離散化問題
    4.5.2  連續(xù)屬性離散化的弊端
    4.5.3  廣義鄰域粗糙集的屬性約簡算法
  4.6  基于s一致性準(zhǔn)則的粗糙集擴展模型的屬性約簡
    4.6.1  一致性準(zhǔn)則
    4.6.2  基于占一致性準(zhǔn)則的屬性約簡模型
    4.6.3  實驗及分析
  4.7  電牽引采煤機知識獲取模型
    4.7.1  總體技術(shù)參數(shù)知識獲取過程
    4.7.2  數(shù)據(jù)選取
    4.7.3  數(shù)據(jù)預(yù)處理
    4.7.4  屬性約簡和規(guī)則生成
  4.8  實例分析
  4.9  小結(jié)
第5章  基于知識融合推理模型的電牽引采煤機概念設(shè)計推理
  5.1  引言
  5.2  基于實例的知識推理
    5.2.1  常見的實例檢索方法
    5.2.2  改進的近鄰算法
  5.3  基于模型的知識推理
    5.3.1  機器學(xué)習(xí)理論
    5.3.2  支持向量機基本原理
    5.3.3  支持向量機回歸原理與算法
    5.3.4  LS—sVM模型中的參數(shù)優(yōu)化
    5.3.5  實驗及分析
  5.4  基于規(guī)則的知識推理
  5.5  知識融合推理的電牽引采煤機概念設(shè)計推理模型
  5.6  實例分析
  5.7  小結(jié)
第6章  基于組件技術(shù)的電牽引采煤機零件遠程CAD／CAE集成設(shè)計與分析模型
  6.1  引言
  6.2  底層組件技術(shù)
    6.2.1  軟件復(fù)用與組件技術(shù)
    6.2.2  使用和處理COM對象
    6.2.3  COM組件的特點及開發(fā)方式
  6.3  遠程CAD參數(shù)化設(shè)計
    6.3.1  UG參數(shù)化設(shè)計方法
    6.3.2  參數(shù)化建模程序開發(fā)環(huán)境
    6.3.3  遠程參數(shù)化實現(xiàn)方法與步驟
  6.4  遠程參數(shù)化有限元分析
    6.4.1  ANSYS參數(shù)化有限元分析
    6.4.2  APDI.參數(shù)化語言
    6.4.3  遠程參數(shù)化有限元分析實現(xiàn)方法
  6.5  基于組件技術(shù)的遠程cAD／cAE集成設(shè)計與分析模型
    6.5.1  網(wǎng)絡(luò)模型的選取
    6.5.2  體系結(jié)構(gòu)與集成方法
  6.6  電牽引采煤機零件集成設(shè)計實例
    6.6.1  系統(tǒng)開發(fā)過程
    6.6.2  實例演示
  6.7  小結(jié)
第7章  基于KBE的電牽引采煤機現(xiàn)代設(shè)計系統(tǒng)
  7.1  引言
  7.2  設(shè)計系統(tǒng)框架與功能設(shè)計
    7.2.1  系統(tǒng)框架設(shè)計
    7.2.2  系統(tǒng)功能設(shè)計
  7.3  設(shè)計系統(tǒng)開發(fā)平臺關(guān)鍵技術(shù)
    7.3.1  系統(tǒng)開發(fā)模式的選取
    7.3.2  開發(fā)平臺工具的選取
  7.4  設(shè)計系統(tǒng)各子系統(tǒng)開發(fā)
    7.4.1  概念設(shè)計子系統(tǒng)
    7.4.2  參數(shù)化設(shè)計子系統(tǒng)
    7.4.3  CAE分析子系統(tǒng)
    7.4.4  網(wǎng)絡(luò)CAD／CAE設(shè)計子系統(tǒng)
    7.4.5  知識管理子系統(tǒng)
  7.5  設(shè)計系統(tǒng)測試實驗
    7.5.1  軟件測試的目的和內(nèi)容
    7.5.2  軟件測試過程模型
    7.5.3  軟件測試的方法
    7.5.4  軟件測試實驗
  7.6  設(shè)計系統(tǒng)的應(yīng)用
  7.7  小結(jié)
附錄
參考文獻