| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·主要研究内容与组织结构 | 第12-14页 |
| 第二章 LMD 算法原理及优化 | 第14-27页 |
| ·引言 | 第14-17页 |
| ·LMD 算法原理 | 第17-20页 |
| ·LMD 方法不足 | 第20-21页 |
| ·端点效应 | 第20页 |
| ·平滑方法 | 第20-21页 |
| ·LMD 算法改进策略 | 第21页 |
| ·仿真信号分析 | 第21-23页 |
| ·试验信号分析 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 SVM 算法及优化 | 第27-46页 |
| ·引言 | 第27-32页 |
| ·统计学习理论 | 第32-34页 |
| ·VC 维理论 | 第32-33页 |
| ·泛化误差界 | 第33页 |
| ·结构风险最小化 | 第33-34页 |
| ·二分类 SVM 基本方法 | 第34-37页 |
| ·线性情况 | 第34-36页 |
| ·非线性情况 | 第36-37页 |
| ·SVM 多分类及训练方法 | 第37-38页 |
| ·直接法 | 第38页 |
| ·一对一方法 | 第38页 |
| ·一对多方法 | 第38页 |
| ·交叉验证 | 第38-39页 |
| ·SVM 参数寻优方法 | 第39-45页 |
| ·网格搜索法 | 第40页 |
| ·遗传算法 | 第40-42页 |
| ·粒子群算法 | 第42-43页 |
| ·改进粒子群算法 | 第43-44页 |
| ·遗传粒子群混合算法 | 第44-45页 |
| ·本章总结 | 第45-46页 |
| 第四章 航空发动机典型故障诊断 | 第46-52页 |
| ·引言 | 第46页 |
| ·故障数据的获取 | 第46-47页 |
| ·航空发动机故障系数矩阵 | 第46-47页 |
| ·故障数据生成方法 | 第47页 |
| ·GAPSO-SVM 算法验证 | 第47-49页 |
| ·基于 GAPSO-SVM 的航空发动机典型故障诊断 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 柴油机气门故障诊断 | 第52-59页 |
| ·引言 | 第52页 |
| ·柴油机气门故障实验 | 第52-53页 |
| ·基于 LMD 和 SVM 柴油机气门故障诊断 | 第53-57页 |
| ·改进 LMD 算法分解 | 第53-55页 |
| ·改进 PSO-SVM 算法验证 | 第55-56页 |
| ·柴油机气门故障诊断 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第六章 故障诊断软件 | 第59-66页 |
| ·matlab GUI 介绍 | 第59-61页 |
| ·基于 BP 神经网络的故障诊断软件设计 | 第61-63页 |
| ·基于 SVM 的故障软件设计 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第七章 总结与展望 | 第66-68页 |
| ·本文总结 | 第66-67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 发表论文和科研情况说明 | 第72-73页 |
| 致谢 | 第73页 |