基于SVM的刮板输送机故障诊断
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-13页 |
| ·研究背景 | 第7页 |
| ·研究意义 | 第7-9页 |
| ·刮板输送机故障诊断 | 第9-11页 |
| ·机电设备故障诊断历史 | 第9-10页 |
| ·刮板输送机故障诊断国内外现状 | 第10-11页 |
| ·本文研究的主要工作及各章节安排 | 第11-13页 |
| 2 刮板输送机故障类型 | 第13-18页 |
| ·刮板输送机结构 | 第13-14页 |
| ·刮板输送机故障类型 | 第14-16页 |
| ·将SVM引入刮板输送机故障分类 | 第16-17页 |
| ·小结 | 第17-18页 |
| 3 支持向量机理论 | 第18-29页 |
| ·支持向量机来源 | 第18-20页 |
| ·机器学习历史 | 第18页 |
| ·机器学习问题的表示 | 第18-19页 |
| ·经验风险最小化 | 第19-20页 |
| ·统计学习理论 | 第20-22页 |
| ·VC维 | 第20页 |
| ·结构风险最小化理论 | 第20-22页 |
| ·支持向量机算法 | 第22-27页 |
| ·最优分类面的获得 | 第22-24页 |
| ·软间隔分类面 | 第24-25页 |
| ·非线性支持向量机 | 第25-26页 |
| ·核函数 | 第26-27页 |
| ·支持向量机模型选择 | 第27-28页 |
| ·小结 | 第28-29页 |
| 4 改进SVM算法 | 第29-39页 |
| ·改进多分类算法 | 第29-34页 |
| ·一次性分类方法 | 第30-31页 |
| ·一对多分类方法 | 第31-32页 |
| ·一对一分类方法 | 第32页 |
| ·Mays多分类方法 | 第32-33页 |
| ·有向无环图法（DAG-SVM） | 第33-34页 |
| ·二叉树分类方法 | 第34页 |
| ·其他多分类方法 | 第34页 |
| ·改进优化算法 | 第34-35页 |
| ·选块算法 | 第34-35页 |
| ·分解算法 | 第35页 |
| ·SMO算法 | 第35页 |
| ·改进参数选择算法 | 第35-37页 |
| ·交叉验证方法 | 第35-36页 |
| ·网格搜索方法 | 第36-37页 |
| ·小结 | 第37-39页 |
| 5 基于SVM的刮板输送机故障诊断 | 第39-51页 |
| ·刮板输送机故障点选取 | 第39-42页 |
| ·减速器常见故障点的选取 | 第39-40页 |
| ·电动机常见故障故障点的选取 | 第40-41页 |
| ·刮板输送机故障数据处理 | 第41-42页 |
| ·刮板输送机故障诊断 | 第42-50页 |
| ·基于支持向量机的故障诊断系统 | 第42-43页 |
| ·支持向量机参数选择 | 第43-48页 |
| ·SVM在刮板输送机的多故障诊断研究 | 第48-50页 |
| ·小结 | 第50-51页 |
| 6 总结 | 第51-53页 |
| ·总结 | 第51页 |
| ·工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58页 |
