摘要 | 第1-7页 |
Abstract | 第7-13页 |
第1章 绪论 | 第13-24页 |
·论文的研究目的和意义 | 第13-15页 |
·国内外研究现状 | 第15-20页 |
·柴油机故障诊断的国内外研究现状 | 第15-18页 |
·核学习理论的国内外研究现状 | 第18-20页 |
·船舶柴油机故障诊断的难点 | 第20-21页 |
·可行性分析 | 第21-22页 |
·主要研究内容 | 第22-24页 |
第2章 船舶柴油机故障诊断概述 | 第24-35页 |
·船舶柴油机常见故障 | 第24页 |
·故障原因分析 | 第24-26页 |
·冲击振动 | 第25页 |
·磨损 | 第25页 |
·腐蚀、老化和变质 | 第25-26页 |
·疲劳损坏 | 第26页 |
·环境因素 | 第26页 |
·操作问题 | 第26页 |
·船舶柴油机故障诊断的目的和任务 | 第26-28页 |
·船舶柴油机故障诊断过程 | 第28-30页 |
·船舶柴油机特征提取方法 | 第30-33页 |
·状态参数 | 第30-31页 |
·振动信号 | 第31页 |
·振声信号 | 第31-32页 |
·油液 | 第32-33页 |
·瞬时转速 | 第33页 |
·船舶柴油机故障诊断内容 | 第33-34页 |
·本章小结 | 第34-35页 |
第3章 基于核主元分析的燃料系统状态监测 | 第35-52页 |
·概述 | 第35-36页 |
·核方法的基本理论 | 第36-41页 |
·核函数及其特征 | 第36-37页 |
·核函数的判定和常用的核函数 | 第37-41页 |
·核主元分析 | 第41-45页 |
·核主元分析的基本算法 | 第42-44页 |
·数值仿真实验 | 第44-45页 |
·基于核主元分析的状态监测方法 | 第45-48页 |
·监测统计量及统计控制限的确定 | 第45-46页 |
·状态监测的主要步骤 | 第46-48页 |
·某型船舶柴油机燃料系统状态监测 | 第48-51页 |
·本章小结 | 第51-52页 |
第4章 基于 KPCA-SVM 的喷油系统故障诊断 | 第52-71页 |
·概述 | 第52-53页 |
·基于核主元分析的特征提取算法 | 第53-54页 |
·核主元分析特征提取的主要步骤 | 第53页 |
·核函数及参数确定方法 | 第53-54页 |
·支持向量机 | 第54-61页 |
·支持向量机的基本算法 | 第54-58页 |
·支持向量机的性质 | 第58-59页 |
·多分类支持向量机 | 第59-61页 |
·数值仿真实验 | 第61-62页 |
·诊断步骤 | 第62-65页 |
·研究实例 | 第65-70页 |
·故障分析 | 第65-67页 |
·故障诊断 | 第67-70页 |
·本章小结 | 第70-71页 |
第5章 基于模糊核聚类的涡轮增压系统故障诊断 | 第71-88页 |
·概述 | 第71页 |
·基于目标函数的模糊聚类分析 | 第71-79页 |
·数据集的 C 划分 | 第72-74页 |
·聚类目标函数 | 第74-77页 |
·模糊 C 均值聚类算法 | 第77-79页 |
·基于模糊核聚类的故障诊断方法 | 第79-81页 |
·模糊核聚类算法 | 第79-81页 |
·模糊核聚类算法应用于故障诊断的具体步骤 | 第81页 |
·数值仿真实验 | 第81-82页 |
·研究实例 | 第82-87页 |
·故障分析 | 第82-84页 |
·故障诊断 | 第84-87页 |
·本章小结 | 第87-88页 |
第6章 基于核 fisher 判别分析的智能化柴油机故障诊断 | 第88-109页 |
·概述 | 第88-89页 |
·线性 fisher 判别分析 | 第89-95页 |
·二类 fisher 线性判别 | 第90-93页 |
·多类 fisher 线性判别 | 第93-95页 |
·核 fisher 判别分析 | 第95-102页 |
·基本算法 | 第95-97页 |
·参数确定方法 | 第97-100页 |
·多类核 fisher 判别分析 | 第100-102页 |
·数值仿真实验 | 第102-103页 |
·基于核 fisher 判别分析的故障诊断方法 | 第103页 |
·研究实例 | 第103-108页 |
·故障分析 | 第103-105页 |
·故障诊断 | 第105-108页 |
·本章小结 | 第108-109页 |
结论 | 第109-111页 |
参考文献 | 第111-123页 |
攻读博士学位期间发表的论文和取得的科研成果 | 第123-125页 |
致谢 | 第125-126页 |
附录 | 第126-128页 |