| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 论文研究背景及意义 | 第12-13页 |
| 1.1.1 论文研究背景 | 第12页 |
| 1.1.2 论文研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 信号降噪与特征提取技术的研究现状 | 第13-14页 |
| 1.2.2 模糊支持向量机技术的研究现状 | 第14-15页 |
| 1.2.3 液压系统故障诊断技术的研究现状 | 第15-18页 |
| 1.3 研究方法 | 第18页 |
| 1.4 论文的研究内容及结构安排 | 第18-22页 |
| 1.4.1 论文的研究内容 | 第18-19页 |
| 1.4.2 论文的结构安排 | 第19-22页 |
| 第二章 SVM相关理论 | 第22-40页 |
| 2.1 统计学习理论基础 | 第22-26页 |
| 2.1.1 VC维理论 | 第22-23页 |
| 2.1.2 推广性的界 | 第23-24页 |
| 2.1.3 结构风险最小化原则 | 第24-26页 |
| 2.2 最优分类超平面 | 第26-27页 |
| 2.3 支持向量机分类原理 | 第27-31页 |
| 2.3.1 线性支持向量分类机 | 第27-30页 |
| 2.3.2 非线性支持向量分类机 | 第30-31页 |
| 2.4 多类分类支持向量机 | 第31-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第三章 捣固车液压系统故障状态振动信号降噪与特征提取技术 | 第40-62页 |
| 3.1 基于改进EMD阈值处理的降噪方法 | 第40-44页 |
| 3.1.1 经验模态分解原理 | 第40-42页 |
| 3.1.2 改进EMD阈值处理的降噪原理 | 第42-44页 |
| 3.2 基于Q-Shift双树复小波域HMT模型降噪方法 | 第44-47页 |
| 3.2.1 Q-Shift双树复小波变换 | 第44-45页 |
| 3.2.2 小波域隐马尔可夫树模型 | 第45-46页 |
| 3.2.3 Q-Shift双树复小波域隐马尔可夫树模型降噪原理 | 第46-47页 |
| 3.3 改进EMD阈值结合Q-Shift双树复小波域HMT模型降噪方法 | 第47-48页 |
| 3.4 信号降噪仿真实验及分析 | 第48-54页 |
| 3.5 基于CEEMD与模糊熵的捣固车液压系统故障特征提取 | 第54-61页 |
| 3.5.1 完全总体经验模态分解 | 第54-55页 |
| 3.5.2 模糊熵理论的基本原理 | 第55-57页 |
| 3.5.3 CEEMD模糊熵在捣固车液压系统故障特征提取中的应用 | 第57-61页 |
| 3.6 本章小结 | 第61-62页 |
| 第四章 模糊支持向量机故障诊断模型 | 第62-72页 |
| 4.1 模糊支持向量机的相关理论 | 第62-66页 |
| 4.1.1 模糊集理论 | 第62-63页 |
| 4.1.2 模糊隶属度的度量方法 | 第63-65页 |
| 4.1.3 模糊支持向量机核函数的选择 | 第65-66页 |
| 4.2 模糊支持向量机故障诊断模型的构建及分类流程 | 第66-69页 |
| 4.2.1 模糊支持向量机故障诊断模型的建立 | 第66-67页 |
| 4.2.2 模糊支持向量机故障诊断模型的分类流程 | 第67-69页 |
| 4.3 故障诊断实验 | 第69-70页 |
| 4.4 本章小结 | 第70-72页 |
| 第五章 基于PSO算法优化的FSVM在捣固车液压系统故障诊断中的应用 | 第72-84页 |
| 5.1 粒子群优化算法及其改进 | 第72-75页 |
| 5.1.1 基本粒子群优化算法 | 第72-74页 |
| 5.1.2 改进的粒子群优化算法 | 第74-75页 |
| 5.2 模糊支持向量机模型的参数优化 | 第75-77页 |
| 5.3 改进粒子群优化算法优化模糊支持向量机的流程与步骤 | 第77-79页 |
| 5.4 仿真实验分析 | 第79-83页 |
| 5.5 本章小结 | 第83-84页 |
| 第六章 总结和展望 | 第84-86页 |
| 6.1 结论 | 第84页 |
| 6.2 未来工作展望 | 第84-86页 |
| 致谢 | 第86-88页 |
| 参考文献 | 第88-92页 |
| 附录A 攻读学位期间发表论文与软件著作权目录 | 第92-94页 |
| 附录B 攻读学位期间参与的研究工作 | 第94页 |
