| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 风机齿轮箱故障诊断的研究现状和发展趋势 | 第11-14页 |
| 1.2.1 风机齿轮箱故障诊断的研究现状 | 第11-13页 |
| 1.2.2 风机齿轮箱故障诊断的发展趋势 | 第13-14页 |
| 1.3 研究内容和论文组织结构 | 第14-16页 |
| 1.3.1 课题主要的研究内容和意义 | 第14-15页 |
| 1.3.2 论文的组织结构 | 第15-16页 |
| 第2章 最小二乘支持向量机 | 第16-25页 |
| 2.1 概述 | 第16页 |
| 2.2 支持向量机理论 | 第16-20页 |
| 2.2.1 最优超平面 | 第16-17页 |
| 2.2.2 支持向量机 | 第17-18页 |
| 2.2.3 核函数 | 第18-19页 |
| 2.2.4 支持向量机的多分类问题 | 第19-20页 |
| 2.3 最小二乘支持向量机 | 第20-23页 |
| 2.3.1 最小二乘支持向量机 | 第20-22页 |
| 2.3.2 参数的选择方法 | 第22-23页 |
| 2.4 LSSVM 和 SVM 的区别 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于人工蜂群算法优化的 LSSVM | 第25-34页 |
| 3.1 概述 | 第25页 |
| 3.2 人工蜂群算法 | 第25-28页 |
| 3.2.1 人工蜂群算法的原理 | 第25-26页 |
| 3.2.2 人工蜂群算法的流程 | 第26-27页 |
| 3.2.3 人工蜂群算法的特点 | 第27-28页 |
| 3.3 基于人工蜂群算法的 LSSVM 参数优化 | 第28页 |
| 3.4 基于锦标赛选择策略的双种群人工蜂群算法 | 第28-30页 |
| 3.4.1 基于反向学习的群体初始化 | 第29页 |
| 3.4.2 锦标赛选择策略 | 第29页 |
| 3.4.3 信息交互 | 第29-30页 |
| 3.4.4 BTABC 算法 | 第30页 |
| 3.5 基于 BTABC 算法的 LSSVM 参数优化 | 第30-32页 |
| 3.5.1 参数初始化 | 第30-31页 |
| 3.5.2 LSSVM 参数优化 | 第31-32页 |
| 3.6 本章小结 | 第32-34页 |
| 第4章 基于 BTABC-LSSVM 的风机齿轮箱故障诊断 | 第34-42页 |
| 4.1 概述 | 第34页 |
| 4.2 基于 BTABC-LSSVM 的风机齿轮箱故障诊断模型 | 第34-35页 |
| 4.3 风机齿轮箱的常见故障和诊断方法 | 第35-37页 |
| 4.3.1 风机齿轮箱的常见故障 | 第35-36页 |
| 4.3.2 风机齿轮箱的诊断方法 | 第36-37页 |
| 4.4 实验结果与分析 | 第37-41页 |
| 4.4.1 数据采集与特征提取 | 第37-38页 |
| 4.4.2 参数设置 | 第38页 |
| 4.4.3 实验结果 | 第38-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 总结与展望 | 第42-44页 |
| 5.1 本文总结 | 第42-43页 |
| 5.2 展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第47-48页 |
| 致谢 | 第48页 |
