| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·故障诊断技术及其发展 | 第9-10页 |
| ·支持向量机概述 | 第10-11页 |
| ·基于支持向量机的故障诊断方法的研究背景 | 第11-12页 |
| ·本文研究课题的目的和意义 | 第12-13页 |
| ·本文的主要内容 | 第13-14页 |
| 第2章 支持向量机 | 第14-25页 |
| ·统计学习理论 | 第14-18页 |
| ·函数集的VC 维 | 第14-15页 |
| ·结构风险最小化原则 | 第15-18页 |
| ·支持向量机的概念 | 第18-20页 |
| ·支持向量机的求解 | 第20-22页 |
| ·核函数 | 第22-23页 |
| ·支持向量机的模型选择 | 第23-24页 |
| ·支持向量机的应用 | 第24-25页 |
| 第3章 用于分类的支持向量机 | 第25-44页 |
| ·最大间隔原则 | 第25页 |
| ·线性硬间隔分类机 | 第25-26页 |
| ·线性支持向量机 | 第26-28页 |
| ·非线性硬间隔分类机 | 第28-30页 |
| ·C -支持向量分类机 | 第30-32页 |
| ·C -支持向量分类机的一种变形 | 第32-34页 |
| ·ν-支持向量分类机 | 第34-36页 |
| ·多类分类问题 | 第36-37页 |
| ·“成对分类”的多类算法 | 第36-37页 |
| ·“一类对余类”的多类算法 | 第37页 |
| ·仿真实验 | 第37-44页 |
| ·C -支持向量分类机与ν-支持向量分类机仿真实验 | 第37-40页 |
| ·多类分类仿真实验 | 第40-44页 |
| 第4章 基于支持向量机的故障诊断方法 | 第44-52页 |
| ·故障诊断技术的分类 | 第44页 |
| ·故障诊断方法的研究 | 第44-47页 |
| ·应用于故障诊断领域的支持向量机与神经网络 | 第47-48页 |
| ·支持向量机故障诊断步骤 | 第48-50页 |
| ·基于支持向量机的故障诊断方法仿真实验 | 第50-52页 |
| ·少样本时的仿真实验 | 第50页 |
| ·采用k -折交互验证参数寻优方法的仿真结果 | 第50-52页 |
| 第5章 双螺杆挤出机故障诊断 | 第52-60页 |
| ·双螺杆挤出机的工作原理 | 第52-53页 |
| ·双螺杆挤出机的常见故障 | 第53页 |
| ·双螺杆挤出机的故障数据 | 第53-54页 |
| ·基于支持向量机的双螺杆挤出机故障诊断 | 第54-57页 |
| ·基于支持向量机的双螺杆挤出机故障诊断框图 | 第54页 |
| ·多故障分类器的建立 | 第54页 |
| ·C -支持向量机的仿真结果与分析 | 第54-56页 |
| ·ν-支持向量机的仿真结果与分析 | 第56-57页 |
| ·基于神经网络的双螺杆挤出机故障诊断 | 第57-60页 |
| ·基于神经网络的双螺杆挤出机故障诊断仿真结果与分析 | 第57-58页 |
| ·少样本时与基于支持向量机的多故障分类器比较 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第66-67页 |
| 附录B (攻读学位期间参加的科研项目) | 第67-68页 |
| 附录C (双螺杆挤出机故障样本) | 第68-71页 |
| 致谢 | 第71页 |