基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·故障诊断方法的研究现状及分类 | 第10-14页 |
| ·基于解析模型的方法 | 第11-12页 |
| ·基于信号处理的故障诊断模型 | 第12-13页 |
| ·基于知识的故障诊断方法 | 第13-14页 |
| ·论文主要内容 | 第14-16页 |
| 第2章 液体火箭发动机试验台的故障模式分析 | 第16-23页 |
| ·液体火箭发动机试验台介绍 | 第16-17页 |
| ·试验台的基本组成 | 第16页 |
| ·试验台现有测点分析 | 第16-17页 |
| ·故障统计分析 | 第17-19页 |
| ·故障模式及影响分析 | 第19-20页 |
| ·故障模式及影响分析方法 | 第19页 |
| ·试验台故障模式及影响分析 | 第19-20页 |
| ·实际分析的故障模式及参数 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于主元分析(PCA)的故障特征提取 | 第23-36页 |
| ·特征提取方法 | 第23-24页 |
| ·主元分析(PCA) | 第24-28页 |
| ·主元分析的概念 | 第24-25页 |
| ·主元的求取 | 第25-28页 |
| ·基于PCA 的故障特征提取 | 第28-35页 |
| ·主元数目的选取 | 第28-29页 |
| ·PCA 故障特征提取 | 第29-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于支持向量机(SVM)的多分类器设计 | 第36-50页 |
| ·支持向量机原理 | 第36-42页 |
| ·统计学习理论 | 第36-39页 |
| ·支持向量机 | 第39-42页 |
| ·基于SVM 的多分类器设计 | 第42-48页 |
| ·核函数选择 | 第42-43页 |
| ·多类识别 | 第43-45页 |
| ·基于聚类的二叉树多分类器设计 | 第45-48页 |
| ·分类器训练和识别 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 实验总结 | 第50-59页 |
| ·实验系统简介 | 第50-53页 |
| ·实验结果及分析 | 第53-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |
