说明了基于神经网络的故障诊断的学习系统的原理,分析了多层感知器的隐层节点数的确定和对BP算法的改进.并以液压泵的故障诊断为例,解释了此学习系统的实现过程.在对BP算法改进之后,系统能很好地实现学习功能,完全达到了预期的结果.

文中介绍了液压缸的故障诊断智能系统的结构,讨论了压力、流量作为液压缸故障诊断的基本参量的可行性,并为各个参量选择了测试仪器,应用这一系统对一个液压缸进行了故障诊断,说明了系统的实用性.

该文介绍了CBR技术在知识获取、易于理解等方面的优势，分析了CBR技术的原理和方法，并将CBR技术应用于液压泵故障诊断专家系统，在Visual C＋＋中进行了系统实现最后简要说明了系统的工作过程。