| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 核聚变的研究背景 | 第10页 |
| 1.2 HT-7 托卡马克的等离子体磁流体不稳定性控制 | 第10-12页 |
| 1.2.1 HT-7 超导托卡马克(Tokamak)实验平台简介 | 第10-11页 |
| 1.2.2 等离子体的磁流体不稳定性 | 第11页 |
| 1.2.3 远程智能磁流体扰动信号诊断系统的设计目标 | 第11-12页 |
| 1.3 本论文的主要工作 | 第12-13页 |
| 1.4 论文结构 | 第13-15页 |
| 第二章 改进S变换算法在磁流体扰动信号分析中的应用 | 第15-39页 |
| 2.1 FOURIER变换算法及其衍生算法介绍 | 第15-19页 |
| 2.1.1 Fourier变换原理 | 第15-16页 |
| 2.1.2 快速Fourier变换 | 第16-18页 |
| 2.1.3 短时Fourier变换(short time Fourier transform, STFT) | 第18-19页 |
| 2.2 经典信号分析算法--小波变换算法介绍 | 第19-23页 |
| 2.2.1 Haar尺度函数 | 第19-20页 |
| 2.2.2 Haar小波 | 第20-21页 |
| 2.2.3 Haar分解算法 | 第21-23页 |
| 2.3 一种新的时间-频率信号分析算法--S变换算法介绍 | 第23-26页 |
| 2.3.1 S变换算法原理 | 第23-24页 |
| 2.3.2 离散S变换 | 第24-26页 |
| 2.4 TOKAMAK磁流体扰动信号的S变换、短时FOURIER变换和小波变换算法分析比较 | 第26-30页 |
| 2.5 S变换算法的局限和改进研究 | 第30-33页 |
| 2.6 S变换算法的改进 | 第33-38页 |
| 2.7 小结 | 第38-39页 |
| 第三章 基于改进K-MEANS聚类算法的径向基函数神经网络分类器在磁流体扰动信号分类中的应用 | 第39-60页 |
| 3.1 神经网络的研究历史 | 第39-40页 |
| 3.2 径向基函数神经网络 | 第40-44页 |
| 3.2.1 神经元 | 第40-41页 |
| 3.2.2 前馈神经网络结构 | 第41页 |
| 3.2.3 广义径向基函数网络 | 第41-42页 |
| 3.2.4 估计正则化参数?的方法 | 第42-43页 |
| 3.2.5 RBF网络的逼近能力 | 第43-44页 |
| 3.3 径向基函数神经网络的主要研究方向 | 第44-46页 |
| 3.4 基于聚类算法的径向基函数神经网络的设计 | 第46-51页 |
| 3.4.1 径向基函数神经网络应用聚类算法的原因 | 第46-47页 |
| 3.4.2 聚类算法介绍 | 第47-50页 |
| 3.4.3 K-means聚类算法优缺点 | 第50-51页 |
| 3.5 基于主成分分析和交叉学习(PRINCIPAL COMPONENT ANALYSIS & CROSS LEARNINIG, PCACL)K均值聚类算法的激活函数中心学习研究 | 第51-57页 |
| 3.6 基于PCACL K-MEANS聚类算法的径向基函数神经网络分类器的性能测试 | 第57-58页 |
| 3.7 小结 | 第58-60页 |
| 第四章 基于改进K-MEANS聚类算法的加权超球体支持向量机分类器在磁流体扰动信号分类中的应用 | 第60-87页 |
| 4.1 支持向量机基本原理介绍 | 第60-72页 |
| 4.2 各种变形的支持向量机算法 | 第72-75页 |
| 4.3 国内外支持向量机近期的研究方向 | 第75-77页 |
| 4.4 磁流体扰动信号支持向量机面临的挑战 | 第77-82页 |
| 4.5 实验结果 | 第82-86页 |
| 4.6 小结 | 第86-87页 |
| 第五章 托卡马克远程智能磁流体扰动信号诊断系统的设计 | 第87-102页 |
| 5.1 托卡马克磁流体不稳定性 | 第87-88页 |
| 5.2 远程智能磁流体扰动信号诊断系统设计方案 | 第88-90页 |
| 5.3 远程智能磁流体扰动信号诊断系统体系结构设计 | 第90-92页 |
| 5.4 远程智能磁流体扰动信号诊断系统逻辑结构设计 | 第92-93页 |
| 5.5 远程智能磁流体扰动信号诊断系统工作机制设计 | 第93-96页 |
| 5.5.1 进程间的同步和通信机制设计 | 第93-94页 |
| 5.5.2 进程间的调用机制设计 | 第94-95页 |
| 5.5.3 数据通信机制设计 | 第95-96页 |
| 5.6 远程智能磁流体扰动信号诊断系统的数据采集设备 | 第96-101页 |
| 5.6.1 PCI-9118/L信号采集 | 第96-99页 |
| 5.6.2 数据采集卡的测试结果 | 第99-101页 |
| 5.7 反馈控制结果与分析 | 第101页 |
| 5.8 本章小结 | 第101-102页 |
| 第六章 总结和展望 | 第102-104页 |
| 参考文献 | 第104-113页 |
| 攻读博士学位期间取得的成果 | 第113-114页 |
| 致谢 | 第114页 |
