| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究目的和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·油液分析的研究现状 | 第10-12页 |
| ·支持向量机的研究现状 | 第12-13页 |
| ·论文主要研究内容 | 第13-15页 |
| 第2章 支持向量机(SVM)基本理论 | 第15-32页 |
| ·最优分类面 | 第15-17页 |
| ·核函数 | 第17-18页 |
| ·支持向量机分类机 | 第18-21页 |
| ·支持向量机分类机概述 | 第18-19页 |
| ·支持向量机的多分类 | 第19-21页 |
| ·支持向量机回归机 | 第21-22页 |
| ·支持向量机参数的优化 | 第22-31页 |
| ·支持向量机参数的影响分析 | 第23-26页 |
| ·基于网格搜索的支持向量机参数优化 | 第26-28页 |
| ·基于遗传算法的支持向量机参数优化 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 船舶柴油机磨损故障特征属性指标集的建立 | 第32-44页 |
| ·船舶柴油机异常磨损分析 | 第32-35页 |
| ·轴瓦磨损 | 第32-33页 |
| ·缸套异常磨损 | 第33-34页 |
| ·凸轮和挺杆的磨损 | 第34-35页 |
| ·柴油机内部或外部的不同污染源所导致的异常磨损 | 第35页 |
| ·船舶柴油机油液检测技术 | 第35-38页 |
| ·故障诊断的特征属性指标集的建立 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于支持向量机的船舶柴油机光谱及直读铁谱故障诊断研究 | 第44-67页 |
| ·光谱及直读铁谱分析的磨损模式识别 | 第44-56页 |
| ·数据采集及预处理 | 第45页 |
| ·基于网格搜索的支持向量机磨损故障模式识别 | 第45-53页 |
| ·基于遗传算法的支持向量机磨损故障模式识别 | 第53-56页 |
| ·光谱及直读铁谱分析的磨损趋势预测 | 第56-66页 |
| ·数据的来源及预处理 | 第57-59页 |
| ·时间序列分析 | 第59-60页 |
| ·参数的选择及预测精度的评价指标 | 第60页 |
| ·基于网格搜索法优化支持向量机的船舶柴油机磨损趋势预测 | 第60-64页 |
| ·基于遗传算法优化支持向量机的船舶柴油机磨损趋势预测 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第5章 基于支持向量机的船舶柴油机铁谱磨粒故障诊断研究 | 第67-74页 |
| ·分析式铁谱的数据预处理 | 第67-69页 |
| ·基于网格搜索的支持向量机的磨损模式识别 | 第69-71页 |
| ·基于遗传算法优化的支持向量机磨损模式识别 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第6章 结论与展望 | 第74-76页 |
| ·结论 | 第74页 |
| ·展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 附录A 判断矩阵 | 第80-84页 |
| 附录B 光谱及直读铁谱数据 | 第84-87页 |
| 附录C 分析式铁谱数据 | 第87-88页 |
