| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 发动机故障成因及常见故障 | 第14-16页 |
| 1.2 发动机故障诊断概况 | 第16-20页 |
| 1.2.1 发动机故障诊断技术介绍 | 第16-19页 |
| 1.2.2 国内外研究动态 | 第19-20页 |
| 1.3 课题研究的出发点和意义 | 第20-22页 |
| 1.4 课题的组织框架 | 第22-24页 |
| 第二章 电控发动机失火诊断 | 第24-34页 |
| 2.1 发动机失火故障介绍 | 第24-25页 |
| 2.1.1 发动机失火的定义 | 第24页 |
| 2.1.2 失火的原因 | 第24-25页 |
| 2.1.3 失火故障的危害 | 第25页 |
| 2.2 失火故障诊断的主要方法 | 第25-29页 |
| 2.2.1 曲轴转速分析法 | 第25-27页 |
| 2.2.2 宽带氧传感器法 | 第27-28页 |
| 2.2.3 离子电流法 | 第28-29页 |
| 2.3 基于尾气成分分析的失火诊断 | 第29-33页 |
| 2.3.1 尾气成分分析原理 | 第30-31页 |
| 2.3.2 尾气成分的影响因子 | 第31-33页 |
| 2.4 本章总结 | 第33-34页 |
| 第三章 权重调整和模拟退火结合的改进的人工蜂群算法 | 第34-50页 |
| 3.1 人工蜂群算法的概述 | 第34-35页 |
| 3.2 人工蜂群算法的基本原理 | 第35-39页 |
| 3.2.1 ABC算法的数学推理 | 第35-38页 |
| 3.2.2 ABC算法的应用及局限 | 第38-39页 |
| 3.3 ABC算法的改进策略 | 第39-46页 |
| 3.3.1 SA算法的提出 | 第39-41页 |
| 3.3.2 权重调整和模拟退火结合的改进ABC算法 | 第41-46页 |
| 3.4 改进ABC算法的性能测试及结果分析 | 第46-49页 |
| 3.4.1 测试函数的选择 | 第46页 |
| 3.4.2 验证实验结果及分析 | 第46-49页 |
| 3.5 本章总结 | 第49-50页 |
| 第四章 SVM基础理论及优化问题 | 第50-70页 |
| 4.1 机器学习问题 | 第50-51页 |
| 4.2 统计学习基础 | 第51-55页 |
| 4.2.1 统计推断一致性条件 | 第52页 |
| 4.2.2 VC维理论 | 第52-53页 |
| 4.2.3 泛化能力的界 | 第53-54页 |
| 4.2.4 SRM原则 | 第54-55页 |
| 4.3 SVM基础理论 | 第55-62页 |
| 4.3.1 最优决策面 | 第55-62页 |
| 4.3.2 核函数 | 第62页 |
| 4.4 SVM的多分类模式 | 第62-64页 |
| 4.4.1 直接分类法 | 第63页 |
| 4.4.2 一对一分类法 | 第63页 |
| 4.4.3 一对多分类法 | 第63-64页 |
| 4.4.4 二叉树分类法 | 第64页 |
| 4.5 SVM分类器的参数优化 | 第64-66页 |
| 4.5.1 分类器的关键参数 | 第64-65页 |
| 4.5.2 典型参数优化方法概述 | 第65-66页 |
| 4.6 改进的ABC算法在SVM参数优化中的应用 | 第66-68页 |
| 4.6.1 优化模型的构建 | 第67页 |
| 4.6.2 优化方法的实现 | 第67-68页 |
| 4.7 本章总结 | 第68-70页 |
| 第五章 基于SVM的发动机失火故障诊断 | 第70-82页 |
| 5.1 基于SVM的故障诊断系统的结构设计 | 第70-71页 |
| 5.2 改进的ABC算法优化SVM的仿真验证 | 第71-73页 |
| 5.3 基于改进ABC优化SVM的发动机失火故障诊断模型 | 第73-78页 |
| 5.3.1 诊断样本的获取 | 第73-74页 |
| 5.3.2 样本的处理 | 第74-78页 |
| 5.3.3 基于改进的ABC优化SVM的分类器的设计 | 第78页 |
| 5.4 基于改进ABC优化SVM的发动机失火故障诊断仿真及结果分析 | 第78-80页 |
| 5.4.1 训练参数的确定 | 第78页 |
| 5.4.2 仿真及结果分析 | 第78-80页 |
| 5.5 本章总结 | 第80-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 全文总结 | 第82页 |
| 6.2 展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88-90页 |
| 攻读学位期间发表的学术论文 | 第90页 |
