| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第11-33页 |
| 1.1 研究背景及研究意义 | 第11-13页 |
| 1.2 基于SVR的两种非机理模型建模的研究现状 | 第13-22页 |
| 1.3 SVR及LSSVR的基本理论与算法 | 第22-29页 |
| 1.4 本文研究内容及论文结构安排 | 第29-33页 |
| 2 基于LSSVR的确定性非机理模型建模 | 第33-59页 |
| 2.1 引言 | 第33页 |
| 2.2 TS模型与模糊Gustafson-Kessel聚类算法 | 第33-36页 |
| 2.3 基于LSSVR的结构风险分解建模TS模型 | 第36-45页 |
| 2.4 模糊加权平均机理的LSSVR建模非线性系统 | 第45-58页 |
| 2.5 本章小结 | 第58-59页 |
| 3 基于UKF方法的LSSVR在线超参数更新 | 第59-79页 |
| 3.1 引言 | 第59-60页 |
| 3.2 无迹卡尔曼滤波原理 | 第60-64页 |
| 3.3 基于UKF方法的LSSVR在线超参数更新 | 第64-71页 |
| 3.4 仿真实例 | 第71-78页 |
| 3.5 本章小结 | 第78-79页 |
| 4 关于上界逼近误差最小化的LP-SVR区间回归建模 | 第79-104页 |
| 4.1 引言 | 第79-80页 |
| 4.2 区间回归分析 | 第80-81页 |
| 4.3 基于l_1范数最小化的LP-SVR区间回归模型建模 | 第81-92页 |
| 4.4 带l_∞范数最小化的LP-SVR区间回归模型建模 | 第92-103页 |
| 4.5 本章小结 | 第103-104页 |
| 5 基于LP-SVR区间回归模型及LSSVR的故障预测 | 第104-130页 |
| 5.1 引言 | 第104页 |
| 5.2 基于区间回归模型的故障检测 | 第104-112页 |
| 5.3 基于LP-SVR区间回归模型及LSSVR的故障预测 | 第112-129页 |
| 5.4 本章小结 | 第129-130页 |
| 6 总结与展望 | 第130-133页 |
| 6.1 全文总结及创新点 | 第130-131页 |
| 6.2 工作展望 | 第131-133页 |
| 致谢 | 第133-135页 |
| 参考文献 | 第135-144页 |
| 附录1 攻读学位期间发表的学术论文 | 第144-145页 |
| 附录2 公开发表的学术论文与博士学位论文的关系 | 第145-147页 |
| 附录3 攻读博士学位期间参与的科研项目 | 第147页 |
