| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·选题的背景和意义 | 第10页 |
| ·瓦斯传感器的发展现状 | 第10-12页 |
| ·国内外瓦斯传感器故障诊断研究现状 | 第12-14页 |
| ·故障诊断技术的研究 | 第12-13页 |
| ·国内外在瓦斯传感器故障诊断的研究现状 | 第13-14页 |
| ·本文主要研究内容 | 第14-16页 |
| 2 瓦斯传感器的故障分析 | 第16-23页 |
| ·瓦斯传感器检测原理 | 第16-17页 |
| ·瓦斯传感器的故障类型 | 第17-19页 |
| ·瓦斯传感器的智能故障诊断技术 | 第19-22页 |
| ·PCA在传感器故障诊断中的应用 | 第19-20页 |
| ·支持向量机在传感器故障诊断上的应用 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于主成分分析法的故障信息提取 | 第23-32页 |
| ·主成分分析法的概述 | 第23-24页 |
| ·主成分分析法的优势 | 第23页 |
| ·主成分分析法的几何思想 | 第23-24页 |
| ·主成分分析法提取故障信息的基础知识 | 第24-29页 |
| ·主成分分析法的数学表述 | 第24-27页 |
| ·最优主成分数的确定 | 第27-29页 |
| ·基于主成分分析法的故障信息建模与改进 | 第29-31页 |
| ·主成分分析法的建模 | 第29-30页 |
| ·基于主成分分析法的模型改进 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 4 基于LS_SVM的瓦斯传感器故障诊断模型的设计 | 第32-46页 |
| ·基于SVM的瓦斯传感器故障诊断理论 | 第32-38页 |
| ·支持向量机分类的数学描述 | 第32-38页 |
| ·核函数对瓦斯传感器故障诊断的影响 | 第38页 |
| ·瓦斯传感器多分类SVM | 第38-42页 |
| ·瓦斯传感器故障诊断模型的改进 | 第42-45页 |
| ·改进的SVM瓦斯传感器故障诊断模型 | 第42-43页 |
| ·LS_SVM瓦斯传感器故障诊断的特点 | 第43-44页 |
| ·模型参数优化方法的设计 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于PCA和LS_SVM的瓦斯传感器故障诊断实验验证 | 第46-61页 |
| ·PCA和LS_SVM结合的思想 | 第46页 |
| ·基于PCA的瓦斯传感器故障信息的提取 | 第46-50页 |
| ·基于LS_SVM的瓦斯传感器诊断模型的建立 | 第50-58页 |
| ·LS-SVM的瓦斯传感器故障诊断的步骤 | 第50-52页 |
| ·LS-SVM的最优故障诊断模型的确定 | 第52-57页 |
| ·最优故障诊断模型的测试 | 第57-58页 |
| ·基于PCA和LS_SVM的故障诊断方法的验证 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 作者简历 | 第67-69页 |
| 学位论文数据集 | 第69页 |