| 摘要 | 第1-8页 |
| Abstract | 第8-13页 |
| 第一章 绪论 | 第13-23页 |
| ·课题背景 | 第13-15页 |
| ·基于时态数据的建模与控制 | 第13-14页 |
| ·故障诊断 | 第14-15页 |
| ·确定学习理论简介 | 第15-17页 |
| ·基于模型的故障诊断方法介绍 | 第17-21页 |
| ·本文研究的主要内容 | 第21-23页 |
| 第二章 确定学习理论介绍 | 第23-43页 |
| ·引言 | 第23页 |
| ·径向基函数神经网络 | 第23-29页 |
| ·径向基函数神经网络 | 第23-24页 |
| ·RBF神经网络的PE性质 | 第24-29页 |
| ·确定学习机制 | 第29-36页 |
| ·连续系统确定学习 | 第29-32页 |
| ·离散系统确定学习 | 第32-36页 |
| ·动态模式识别 | 第36-40页 |
| ·时不变空间分布的描述 | 第37-38页 |
| ·相似性的度量 | 第38-39页 |
| ·动态模式的快速识别 | 第39-40页 |
| ·本章小结 | 第40-43页 |
| 第三章 时态数据序列的快速识别 | 第43-51页 |
| ·引言 | 第43页 |
| ·时态数据序列的表达 | 第43-44页 |
| ·时态数据序列的相似性与快速识别 | 第44-48页 |
| ·时态数据序列的相似性定义 | 第44-45页 |
| ·时态数据序列的快速识别 | 第45-47页 |
| ·数值实验 | 第47-48页 |
| ·本章小结 | 第48-51页 |
| 第四章 基于时态数据的闭环建模与控制 | 第51-69页 |
| ·引言 | 第51页 |
| ·离散非线性系统的自适应神经网络学习控制 | 第51-62页 |
| ·问题描述 | 第51-52页 |
| ·从闭环控制中学习 | 第52-55页 |
| ·基于经验的学习控制 | 第55-57页 |
| ·仿真研究 | 第57-62页 |
| ·Brunovsky离散非线性系统的自适应神经网络学习控制 | 第62-68页 |
| ·问题描述 | 第62-63页 |
| ·从闭环控制中学习 | 第63-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 基于确定学习理论的智能振动故障检测方法 | 第69-95页 |
| ·引言 | 第69-70页 |
| ·问题描述 | 第70-72页 |
| ·振动故障的学习和表达 | 第72-74页 |
| ·训练阶段 | 第72-73页 |
| ·故障表达 | 第73-74页 |
| ·振动故障的快速检测 | 第74-84页 |
| ·残差产生和故障检测决策 | 第74-79页 |
| ·故障可检测条件和检测时间 | 第79-84页 |
| ·仿真结果 | 第84-85页 |
| ·训练阶段 | 第84页 |
| ·诊断阶段 | 第84-85页 |
| ·本章小结 | 第85-95页 |
| 第六章 基于确定学习理论的智能振动故障分离方法 | 第95-107页 |
| ·引言 | 第95-96页 |
| ·问题描述 | 第96页 |
| ·故障分离策略和性能分析 | 第96-101页 |
| ·仿真结果 | 第101页 |
| ·本章小结 | 第101-107页 |
| 第七章 基于确定学习理论的故障诊断方法应用 | 第107-127页 |
| ·基于确定学习理论的非线性机器人故障诊断 | 第107-120页 |
| ·引言 | 第107页 |
| ·问题描述 | 第107-108页 |
| ·建立故障模式库 | 第108-109页 |
| ·故障的快速检测与分离 | 第109-110页 |
| ·仿真结果 | 第110-120页 |
| ·基于确定学习的旋转失速辨识和快速检测 | 第120-123页 |
| ·引言 | 第120页 |
| ·问题描述 | 第120-121页 |
| ·旋转失速的辨识 | 第121-122页 |
| ·旋转失速的快速检测 | 第122-123页 |
| ·仿真研究 | 第123页 |
| ·本章小结 | 第123-127页 |
| 第八章 结论与展望 | 第127-129页 |
| 参考文献 | 第129-143页 |
| 攻读博士学位期间的研究成果 | 第143-146页 |
| 致谢 | 第146页 |