非线性系统的智能故障诊断研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 变量注释表 | 第13-14页 |
| 1 绪论 | 第14-21页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 故障诊断国内外研究现状 | 第15-16页 |
| 1.3 非线性系统故障诊断方法研究 | 第16-19页 |
| 1.4 本论文的主要研究内容 | 第19-20页 |
| 1.5 本章小结 | 第20-21页 |
| 2 故障诊断概念及模型 | 第21-28页 |
| 2.1 引言 | 第21页 |
| 2.2 故障诊断概述 | 第21-23页 |
| 2.3 故障的模型及诊断原理 | 第23-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 智能故障诊断方法研究 | 第28-39页 |
| 3.1 引言 | 第28页 |
| 3.2 智能故障诊断中的机器学习 | 第28-29页 |
| 3.3 RBF神经网络 | 第29-32页 |
| 3.4 支持向量机 | 第32-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4.基于RBF神经网络的非线性故障诊断 | 第39-47页 |
| 4.1 引言 | 第39页 |
| 4.2 问题描述及假设 | 第39-40页 |
| 4.3 基于RBF神经网络非线性系统故障诊断 | 第40-44页 |
| 4.4 仿真实验 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 5.基于支持向量机非线性故障诊断的研究 | 第47-58页 |
| 5.1 引言 | 第47-48页 |
| 5.2 基于SVM观测器的非线性故障诊断 | 第48-50页 |
| 5.3 仿真实例 | 第50-53页 |
| 5.4 基于SVM非线性系统传感器的故障诊断 | 第53-55页 |
| 5.5 仿真结果及分析 | 第55-56页 |
| 5.6 本章小结 | 第56-58页 |
| 6.总结与展望 | 第58-59页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 作者简历 | 第63-65页 |
| 学位论文数据集 | 第65页 |
