基于向量机的涡扇发动机试车故障诊断
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景和意义 | 第8-9页 |
| ·发动机气路故障诊断技术发展现状 | 第9-13页 |
| ·概述 | 第9-10页 |
| ·发动机气路故障诊断主要方法 | 第10-13页 |
| ·目前发动机气路故障诊断技术面临的一些问题 | 第13-14页 |
| ·本文的主要工作及结构安排 | 第14-15页 |
| ·主要工作 | 第14页 |
| ·论文的机构安排 | 第14-15页 |
| 2 统计学习理论和支持向量机 | 第15-33页 |
| ·序言 | 第15-16页 |
| ·机器学习的基本问题和方法 | 第16-19页 |
| ·机器学习问题的表示 | 第16-17页 |
| ·经验风险最小化 | 第17-18页 |
| ·复杂性与推广能力 | 第18-19页 |
| ·统计学习理论的基本思想 | 第19-25页 |
| ·学习机器的VC维 | 第20-21页 |
| ·推广性的界 | 第21-22页 |
| ·结构风险最小化 | 第22-25页 |
| ·支持向量机 | 第25-33页 |
| ·最优分类面的构造 | 第25-29页 |
| ·广义最优分类面 | 第29-30页 |
| ·非线性分类 | 第30-31页 |
| ·点积形式的核函数及相应的学习机器 | 第31-33页 |
| 3 支持向量机多类分类算法 | 第33-40页 |
| ·基于SVM的多类分类器的构造方法 | 第33-37页 |
| ·一对多方法 | 第33-34页 |
| ·一对一方法 | 第34-35页 |
| ·决策有向无环图 | 第35-37页 |
| ·实验与总结 | 第37-40页 |
| ·实验 | 第37-38页 |
| ·总结 | 第38-40页 |
| 4 发动机稳态模型 | 第40-47页 |
| ·稳态模型的建立 | 第40-45页 |
| ·发动机共同工作方程及平衡技术 | 第40-41页 |
| ·发动机稳态模型的建模方法 | 第41-43页 |
| ·发动机部件建模 | 第43-45页 |
| ·稳态模型的检验 | 第45-47页 |
| ·发动机模型设计点性能的检验 | 第45-46页 |
| ·发动机模型非设计点性能的检验 | 第46-47页 |
| 5 系统实现及试验 | 第47-56页 |
| ·试车故障诊断系统的结构 | 第47页 |
| ·故障样本库 | 第47-49页 |
| ·特征故障参数 | 第47-48页 |
| ·学习样本库 | 第48-49页 |
| ·样本归一化 | 第49-50页 |
| ·训练算法 | 第50-53页 |
| ·训练算法概述 | 第50-51页 |
| ·SMO算法 | 第51-52页 |
| ·SMO算法步骤 | 第52-53页 |
| ·参数选择 | 第53-54页 |
| ·试验 | 第54-56页 |
| 6 总结与展望 | 第56-58页 |
| ·工作总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士期间发表的论文 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附录 SMO伪代码 | 第64-67页 |
| 西北工业大学学位论文知识产权声明书 | 第67页 |
| 西北工业大学学位论文原创性声明 | 第67页 |
