| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 引言 | 第12-23页 |
| 1.1 研究背景 | 第12页 |
| 1.2 发动机状态监测与故障诊断研究概述 | 第12-16页 |
| 1.2.1 状态监测与故障诊断基本概念 | 第13-14页 |
| 1.2.2 智能故障诊断技术 | 第14页 |
| 1.2.3 发动机的智能故障诊断 | 第14-16页 |
| 1.3 国内外研究现状、存在的问题 | 第16-21页 |
| 1.3.1 发动机故障诊断技术研究现状 | 第17-18页 |
| 1.3.2 智能故障诊断技术发展现状 | 第18-20页 |
| 1.3.3 支持向量机理论存在的问题 | 第20-21页 |
| 1.4 论文的研究内容和创新点 | 第21-23页 |
| 1.4.1 论文的研究内容 | 第21-22页 |
| 1.4.2 论文的创新点 | 第22-23页 |
| 第2章 支持向量机的模型选择 | 第23-42页 |
| 2.1 支持向量机基本原理 | 第23-27页 |
| 2.1.1 统计学习理论 | 第23-24页 |
| 2.1.2 分类超平面 | 第24-26页 |
| 2.1.3 线性可分支持向量机 | 第26-27页 |
| 2.2 支持向量机的二分类结构 | 第27-30页 |
| 2.2.1 软间隔支持向量机 | 第27-28页 |
| 2.2.2 非线性支持向量机 | 第28-29页 |
| 2.2.3 支持向量机的惩罚参数设置 | 第29-30页 |
| 2.3 支持向量机的核函数 | 第30-31页 |
| 2.4 多类分类支持向量机 | 第31-35页 |
| 2.4.1 一对多分类法 | 第31-32页 |
| 2.4.2 一对一分类法 | 第32-33页 |
| 2.4.3 决策导向无环图 | 第33页 |
| 2.4.4 纠错编码分类 | 第33-34页 |
| 2.4.5 二叉树支持向量机 | 第34-35页 |
| 2.5 支持向量机的模型选择 | 第35-40页 |
| 2.5.1 支持向量机的模型评价指标 | 第35-37页 |
| 2.5.2 模型结构和参数选择方法 | 第37-40页 |
| 2.6 本章小结 | 第40-42页 |
| 第3章 粒子群优化算法的分析与改进 | 第42-76页 |
| 3.1 粒子群优化算法原理 | 第42-44页 |
| 3.2 粒子群优化算法的研究方向 | 第44-45页 |
| 3.3 粒子群优化算法的影响因素分析 | 第45-48页 |
| 3.4 基于田口设计参数选择的动态邻域粒子群优化算法 | 第48-55页 |
| 3.4.1 粒子群优化算法的主要控制参数设置 | 第48-50页 |
| 3.4.2 粒子群优化算法控制参数选择的田口试验设计 | 第50-52页 |
| 3.4.3 粒子群优化算法控制参数的田口试验数据分析 | 第52-55页 |
| 3.5 粒子群优化算法的早熟收敛和群体扰动分析 | 第55-63页 |
| 3.5.1 粒子群优化算法早熟收敛分析 | 第55-57页 |
| 3.5.2 粒子群优化算法群体扰动分析 | 第57-62页 |
| 3.5.3 粒子群优化算法的变异扰动策略 | 第62-63页 |
| 3.6 并行定向扰动的混合粒子群优化算法 | 第63-75页 |
| 3.6.1 粒子群体的并行定向扰动规则 | 第64-69页 |
| 3.6.2 HPSO-PDT算法的仿真实验及性能对比分析 | 第69-75页 |
| 3.7 本章小结 | 第75-76页 |
| 第4章 支持向量机的模型优化 | 第76-101页 |
| 4.1 二分类支持向量机的模型求解 | 第76-78页 |
| 4.2 二分类支持向量机的凸规划求解 | 第78-79页 |
| 4.3 支持向量机的核函数构造及超参数的界 | 第79-83页 |
| 4.3.1 核函数的特性分析 | 第79-81页 |
| 4.3.2 核函数参数的界 | 第81页 |
| 4.3.3 支持向量机的核函数构造 | 第81-83页 |
| 4.3.4 支持向量机惩罚参数的界 | 第83页 |
| 4.4 基于粒子群优化算法的支持向量机模型参数选择 | 第83-92页 |
| 4.4.1 不同模型结构的支持向量机优化目标函数 | 第83-84页 |
| 4.4.2 支持向量机的模型优化的标准验证集 | 第84-88页 |
| 4.4.3 支持向量机模型参数的粒子群算法优化 | 第88-92页 |
| 4.5 基于田口试验设计的支持向量机模型结构选择 | 第92-99页 |
| 4.5.1 支持向量机模型结构的正交表设置 | 第93-94页 |
| 4.5.2 标准验证集的模型结构选择 | 第94-99页 |
| 4.6 本章小结 | 第99-101页 |
| 第5章 基于优化支持向量机模型的发动机故障诊断 | 第101-121页 |
| 5.1 基于CAN总线的发动机故障诊断系统 | 第101-103页 |
| 5.2 发动机的故障特征提取方法 | 第103-108页 |
| 5.2.1 基于特征频带能量值输入的故障特征提取 | 第103-104页 |
| 5.2.2 基于小波降噪及区间小波包分解的故障特征提取 | 第104-106页 |
| 5.2.3 基于发动机运行状态参数的故障特征提取 | 第106-108页 |
| 5.2.4 发动机故障特征向量的预处理方法 | 第108页 |
| 5.3 发动机的故障诊断模型的构建 | 第108-119页 |
| 5.3.1 预设模型结构的支持向量机故障诊断 | 第109-115页 |
| 5.3.2 优化模型结构的支持向量机故障诊断 | 第115-119页 |
| 5.4 本章小结 | 第119-121页 |
| 第6章 结论与展望 | 第121-123页 |
| 6.1 主要结论 | 第121页 |
| 6.2 工作展望 | 第121-123页 |
| 参考文献 | 第123-132页 |
| 致谢 | 第132-133页 |
| 作者攻读博士学位期间所发表的学术论文 | 第133页 |
