QIA-SVR在弓网载流摩擦磨损性能中的应用研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-18页 |
| ·课题研究的背景与意义 | 第10-11页 |
| ·弓网磨损机理 | 第11-12页 |
| ·摩擦磨损的影响因素 | 第12-13页 |
| ·载流摩擦学 | 第13-16页 |
| ·载流摩擦学研究现状 | 第13-14页 |
| ·摩擦磨损的分类 | 第14-15页 |
| ·摩擦磨损性能的预测方法 | 第15-16页 |
| ·论文的研究内容 | 第16-18页 |
| 2 支持向量机 | 第18-30页 |
| ·神经网络学习算法 | 第18-19页 |
| ·神经网络学习算法特点 | 第18页 |
| ·神经网络学习算法分类 | 第18-19页 |
| ·统计学习理论 | 第19-21页 |
| ·VC维 | 第19-20页 |
| ·经验风险 | 第20页 |
| ·结构风险 | 第20-21页 |
| ·支持向量机 | 第21-29页 |
| ·分类超平面 | 第22-24页 |
| ·线性不可分样本集 | 第24-27页 |
| ·支持向量机算法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 3 回归型支持向量机 | 第30-35页 |
| ·损失函数 | 第30-31页 |
| ·SVR算法 | 第31-34页 |
| ·SVR软边缘 | 第31-32页 |
| ·非线性回归函数 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 4 量子免疫算法 | 第35-48页 |
| ·免疫概述 | 第35-38页 |
| ·生物免疫系统 | 第35-36页 |
| ·人工免疫算法 | 第36-37页 |
| ·免疫流程 | 第37-38页 |
| ·免疫算法 | 第38-43页 |
| ·抗体编码 | 第38-39页 |
| ·抗体多样性评价 | 第39-42页 |
| ·抗体进化 | 第42-43页 |
| ·量子免疫算法 | 第43-47页 |
| ·量子编码 | 第43-44页 |
| ·动态量子旋转门 | 第44-46页 |
| ·量子灾变 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 5 量子免疫优化回归型支持向量机 | 第48-54页 |
| ·交叉验证算法 | 第48-49页 |
| ·量子免疫算法优化性能测试 | 第49-51页 |
| ·优化步骤 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 6 实验分析 | 第54-66页 |
| ·滑动电接触实验机 | 第54-55页 |
| ·实验准备 | 第55-57页 |
| ·数据预处理 | 第55-56页 |
| ·接触电流稳定系数 | 第56页 |
| ·matlab仿真参数设置 | 第56-57页 |
| ·预测模型 | 第57-62页 |
| ·滑板磨损率预测 | 第57-60页 |
| ·接触电流稳定系数预测 | 第60-62页 |
| ·数据分析 | 第62-65页 |
| ·滑板磨损性能分析 | 第62-63页 |
| ·载流稳定系数分析 | 第63-64页 |
| ·多目标规划 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 作者简历 | 第70-72页 |
| 学位论文数据集 | 第72页 |
