| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题背景与研究意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 捣固装置故障诊断研究现状 | 第11-13页 |
| 1.2.2 特征提取技术研究现状 | 第13-14页 |
| 1.2.3 识别分类技术研究现状 | 第14-15页 |
| 1.3 论文主要研究内容和章节安排 | 第15-17页 |
| 第二章 捣固车捣固装置故障及故障特征提取 | 第17-29页 |
| 2.1 捣固车捣固装置及其常见故障 | 第17-19页 |
| 2.2 主成分分析方法基本原理 | 第19-23页 |
| 2.3 核方法基本原理 | 第23-24页 |
| 2.4 KPCA方法简介 | 第24-25页 |
| 2.5 基于核主成分分析的故障数据提取方法 | 第25-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 故障识别分类技术 | 第29-45页 |
| 3.1 分类问题 | 第29-30页 |
| 3.2 SVM方法基本原理 | 第30-33页 |
| 3.3 RVM方法基本原理 | 第33-40页 |
| 3.3.1 RVM回归模型 | 第33-38页 |
| 3.3.2 RVM分类模型 | 第38-39页 |
| 3.3.3 核函数的选择 | 第39-40页 |
| 3.4 RVM的多分类模型 | 第40-43页 |
| 3.4.1 OVA分类模型 | 第40-41页 |
| 3.4.2 OAO分类模型 | 第41-42页 |
| 3.4.3 "二叉树"分类模型 | 第42-43页 |
| 3.4.4 "有向无环图"分类模型 | 第43页 |
| 3.5 SVM和RVM对比分析 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于KPCA-RVM的故障诊断模型在捣固车捣固装置上的应用 | 第45-57页 |
| 4.1 故障诊断模型及故障类型 | 第45-46页 |
| 4.2 KPCA的核函数选择 | 第46-49页 |
| 4.3 改进的OAO-RVM多分类方法 | 第49-54页 |
| 4.4 故障类型识别 | 第54-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 总结和展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 附录A 攻读学位期间发表论文与软件著作权目录 | 第67-69页 |
| 附录B 攻读学位期间参与的研究工作 | 第69页 |