| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-25页 |
| 1.1 研究背景 | 第11-14页 |
| 1.1.1 可靠性 | 第11页 |
| 1.1.2 可靠性分析的大样本方法 | 第11-12页 |
| 1.1.3 可靠性分析的小样本方法 | 第12-14页 |
| 1.2 小样本的数据预测方法——支持向量回归 | 第14-20页 |
| 1.2.1 理论发展 | 第14-16页 |
| 1.2.2 支持向量机 | 第16-19页 |
| 1.2.3 核函数 | 第19-20页 |
| 1.3 小样本的数据挖掘方法——灰色关联分析 | 第20-23页 |
| 1.3.1 灰色系统理论 | 第20-21页 |
| 1.3.2 灰色关联分析 | 第21-23页 |
| 1.4 研究内容 | 第23-25页 |
| 第2章 关联支持向量回归及小样本预测软件开发 | 第25-43页 |
| 2.1 关联支持向量回归模型 | 第25-35页 |
| 2.1.1 关联支持向量回归的改进 | 第25-29页 |
| 2.1.2 r-SVR中核函数的比较与参数选择 | 第29-32页 |
| 2.1.3 r-SVR计算流程 | 第32页 |
| 2.1.4 r-SVR算法检验 | 第32-35页 |
| 2.1.5 对比算法 | 第35页 |
| 2.2 小样本预测软件开发 | 第35-41页 |
| 2.2.1 软件系统总体构架 | 第36页 |
| 2.2.2 具体功能设计 | 第36-40页 |
| 2.2.3 支持向量回归主界面 | 第40-41页 |
| 2.3 本章小结 | 第41-43页 |
| 第3章 蒸汽发生器柱塞泵阀座的材料性能优化 | 第43-51页 |
| 3.1 数据来源 | 第43-44页 |
| 3.2 材料性能预测 | 第44-47页 |
| 3.3 支持向量回归 | 第47-48页 |
| 3.4 结果与讨论 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 核电蒸汽发生器传热管爆破压力预测 | 第51-63页 |
| 4.1 含体积缺陷传热管的爆破压力预测方法 | 第51-52页 |
| 4.2 传热管的缺陷数据 | 第52-54页 |
| 4.3 传热管爆破压力预测 | 第54-57页 |
| 4.4 SVR、PSVR、RVM的预测结果 | 第57-61页 |
| 4.4.1 支持向量回归 | 第57-58页 |
| 4.4.2 主元支持向量机 | 第58-59页 |
| 4.4.3 相关向量机 | 第59-61页 |
| 4.5 结果与讨论 | 第61-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第5章 Inconel 690 疲劳试验和寿命预测 | 第63-71页 |
| 5.1 Inconel 690 材料性能及试样制备 | 第63-64页 |
| 5.2 试验设备 | 第64页 |
| 5.3 数据来源 | 第64-67页 |
| 5.4 r-SVR预测 | 第67-69页 |
| 5.5 小结 | 第69-71页 |
| 第6章 结论与展望 | 第71-73页 |
| 6.1 结论 | 第71-72页 |
| 6.2 创新点 | 第72页 |
| 6.3 展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 攻读学位期间参加的科研项目和成果 | 第81页 |