| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 引言 | 第5-6页 |
| 1 相关技术的研究 | 第6-15页 |
| 1.1 BP神经网络的研究 | 第6-11页 |
| 1.1.1 人工神经网络(ANN)的基本组成 | 第6-8页 |
| 1.1.2 神经网络学习的基本原理和结构 | 第8-9页 |
| 1.1.3 BP神经网络的特点 | 第9-11页 |
| 1.2 支持向量机的研究 | 第11-12页 |
| 1.2.1 支持向量机的基本思想 | 第11-12页 |
| 1.2.2 支持向量机的原理 | 第12页 |
| 1.2.3 支持向量机的优缺点 | 第12页 |
| 1.3 D-S证据理论的研究 | 第12-15页 |
| 2 系统需求分析 | 第15-19页 |
| 2.1 背景 | 第15-16页 |
| 2.2 需求分析 | 第16-19页 |
| 3 主抽电机智能诊断系统方案的总体设计 | 第19-22页 |
| 4 主抽电机智能诊断系统的详细设计 | 第22-37页 |
| 4.1 故障诊断系统BP神经网络模块的设计 | 第22-27页 |
| 4.2 故障诊断系统支持向量机模块的设计 | 第27-32页 |
| 4.2.1 函数的选取 | 第28-29页 |
| 4.2.2 建模及测试 | 第29-32页 |
| 4.3 利用D-S证据理论融合 | 第32-37页 |
| 结论 | 第37-38页 |
| 参考文献 | 第38-40页 |
| 致谢 | 第40-42页 |