支持向量机在发电设备故障诊断中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9页 |
| 1.3 论文主要工作 | 第9-10页 |
| 1.4 论文结构 | 第10-11页 |
| 第二章 相关研究现状 | 第11-16页 |
| 2.1 故障诊断的研究现状 | 第11-13页 |
| 2.1.1 故障诊断发展阶段 | 第11-12页 |
| 2.1.2 智能故障诊断 | 第12-13页 |
| 2.2 故障趋势预测的研究现状 | 第13-14页 |
| 2.3 支持向量机在故障诊断中的研究现状 | 第14-16页 |
| 2.3.1 支持向量机的发展历史和现状 | 第14-15页 |
| 2.3.2 支持向量机在故障诊断中的研究现状 | 第15-16页 |
| 第三章 支持向量机在故障诊断中的应用 | 第16-28页 |
| 3.1 引言 | 第16页 |
| 3.2 基于支持向量机的发电设备故障诊断模型 | 第16-23页 |
| 3.2.1 诊断模型构建的基本步骤 | 第17-18页 |
| 3.2.2 基于主成分分析方法的特征提取 | 第18-20页 |
| 3.2.3 支持向量机分类 | 第20-22页 |
| 3.2.4 构造多个分类器投票 | 第22-23页 |
| 3.3 实验与结果分析 | 第23-27页 |
| 3.3.1 实验数据 | 第23-24页 |
| 3.3.2 实验过程 | 第24-25页 |
| 3.3.3 结果分析 | 第25-27页 |
| 3.4 小结 | 第27-28页 |
| 第四章 支持向量机在故障趋势预测中的应用 | 第28-39页 |
| 4.1 引言 | 第28-29页 |
| 4.2 基于支持向量机的发电设备故障趋势预测模型 | 第29-33页 |
| 4.2.1 预测模型构建的基本步骤 | 第30页 |
| 4.2.2 特征选择 | 第30-31页 |
| 4.2.3 支持向量机回归 | 第31-33页 |
| 4.2.4 模型参数优化 | 第33页 |
| 4.3 实验与结果分析 | 第33-37页 |
| 4.3.1 数据选取 | 第33-34页 |
| 4.3.2 实验过程 | 第34-36页 |
| 4.3.3 结果分析 | 第36-37页 |
| 4.4 小结 | 第37-39页 |
| 第五章 总结与展望 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 发表论文和参加科研情况说明 | 第43-44页 |
| 致谢 | 第44-45页 |
