| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-22页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 适应社会进步的需要，确保人们的安全 | 第9-10页 |
| 1.1.2 适应电梯行业技改和城市现代化管理的发展趋势 | 第10-11页 |
| 1.2 国内外电梯故障诊断方法的研究现状 | 第11-17页 |
| 1.2.1 国内外研究现状 | 第11-17页 |
| 1.2.2 电梯故障诊断发展趋势 | 第17页 |
| 1.3 论文研究内容、技术路线及关键问题 | 第17-20页 |
| 1.4 论文组织结构 | 第20-22页 |
| 第二章 电梯故障诊断系统实现方案概述 | 第22-34页 |
| 2.1 电梯基本构成及功能 | 第22页 |
| 2.2 电梯故障诊断方案对比与选择 | 第22-31页 |
| 2.2.1 故障诊断概述 | 第23-24页 |
| 2.2.2 电梯故障识别方法研究 | 第24-31页 |
| 2.2.2.1 电梯典型故障 | 第25-27页 |
| 2.2.2.2 电梯故障特点 | 第27-29页 |
| 2.2.2.3 专家系统原理与不足 | 第29页 |
| 2.2.2.4 神经网络原理与不足 | 第29-30页 |
| 2.2.2.5 支持向量机原理与优势 | 第30-31页 |
| 2.3 支持向量机概述 | 第31-33页 |
| 2.3.1 LS-SVM 的数学原理 | 第31-33页 |
| 2.3.2 LS-SVMlab 工具箱 | 第33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 分布式电梯故障系统的架构设计与实现 | 第34-55页 |
| 3.1 系统功能需求分析 | 第35-36页 |
| 3.2 分布式电梯故障诊断系统的总体架构设计 | 第36-44页 |
| 3.2.1 系统设计原则 | 第36-37页 |
| 3.2.2 分布式电梯故障诊断系统的结构模型 | 第37-44页 |
| 3.2.2.1 下位数据采集诊断终端系统结构 | 第39-43页 |
| 3.2.2.2 远程诊断中心结构框架设计 | 第43-44页 |
| 3.3 分布式电梯故障诊断系统的关键技术及实现方法 | 第44-54页 |
| 3.3.1 电梯常见故障推理策略 | 第44-45页 |
| 3.3.2 基于 GPRS 的数据的远程传输 | 第45-49页 |
| 3.3.3 远程数据接入技术 | 第49-50页 |
| 3.3.4 诊断数据在数据库中的存储 | 第50-53页 |
| 3.3.5 上位故障诊断系统的设计 | 第53-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第四章 基于数据驱动的电梯故障诊断算法研究 | 第55-87页 |
| 4.1 电梯故障数据处理方法 | 第55-56页 |
| 4.2 基于核主元分析的故障特征选择 | 第56-58页 |
| 4.3 LS-SVM 在电梯故障诊断中的应用研究 | 第58-80页 |
| 4.3.1 LS-SVM 在故障诊断中的应用研究 | 第58-65页 |
| 4.3.1.1 基于 LS-SVM 故障诊断的国内外研究现状 | 第58-60页 |
| 4.3.1.2 LS-SVM 模型参数优化的必要性 | 第60-61页 |
| 4.3.1.3 核函数及参数选择 | 第61-62页 |
| 4.3.1.4 交叉验证方法 | 第62-64页 |
| 4.3.1.5 LS-SVM 多分类方法 | 第64-65页 |
| 4.3.2 基于 IPSO 优化的 LS-SVM 故障诊断方法研究 | 第65-70页 |
| 4.3.2.1 PSO 算法 | 第65-66页 |
| 4.3.2.2 PSO 算法的改进 | 第66页 |
| 4.3.2.3 适应度函数的选择 | 第66-67页 |
| 4.3.2.4 IPSO 优化 LS-SVM 模型参数步骤 | 第67页 |
| 4.3.2.5 实验验证 | 第67-68页 |
| 4.3.2.6 使用 IPSO 优化 LS-SVM 对电梯急停故障进行诊断 | 第68-70页 |
| 4.3.3 基于 MPGA 优化 LS-SVM 故障诊断方法研究 | 第70-80页 |
| 4.3.3.1 遗传算法及问题 | 第70-72页 |
| 4.3.3.2 多种群遗传算法 | 第72-73页 |
| 4.3.3.3 实验验证 1 | 第73-75页 |
| 4.3.3.4 MPGA 优化 LS-SVM 模型参数步骤 | 第75-76页 |
| 4.3.3.5 实验验证 2 | 第76-77页 |
| 4.3.3.6 基于 MPGA 电梯控制系统故障诊断 | 第77-80页 |
| 4.4 基于 KPCA-RF 的电梯故障诊断研究及应用 | 第80-85页 |
| 4.4.1 随机森林算法 | 第80-82页 |
| 4.4.1.1 决策树算法 | 第80-81页 |
| 4.4.1.2 随机森林 | 第81-82页 |
| 4.4.2 基于 KPCA-RF 模型的电梯急停故障诊断 | 第82-83页 |
| 4.4.3 实验结果与对比 | 第83-85页 |
| 4.4.3.1 算例验证 | 第83-84页 |
| 4.4.3.2 电梯急停故障诊断 | 第84-85页 |
| 4.5 基于 MATLAB GUIDE 的电梯疑难故障诊断软件的设计与实现 | 第85-86页 |
| 4.6 本章小结 | 第86-87页 |
| 第五章 总结与展望 | 第87-90页 |
| 5.1 工作总结及创新点 | 第87-88页 |
| 5.2 系统改进 | 第88页 |
| 5.3 展望 | 第88-90页 |
| 参考文献 | 第90-94页 |
| 致谢 | 第94-95页 |
| 攻读硕士期间发表的论文 | 第95页 |
