| Abstract | 第1-8页 |
| 1 绪论 | 第8-13页 |
| ·故障诊断基本原理 | 第8-9页 |
| ·国内外发展概况 | 第9-11页 |
| ·研究目的和意义 | 第11-12页 |
| ·研究内容和创新点 | 第12-13页 |
| 2 基于人工神经网络的故障诊断 | 第13-25页 |
| ·概述 | 第13页 |
| ·人工神经网络 | 第13-18页 |
| ·人工神经网络基本原理 | 第13-16页 |
| ·人工神经网络参数选择 | 第16-18页 |
| ·基于BP网络的故障诊断 | 第18-24页 |
| ·BP网络的故障诊断步骤 | 第18页 |
| ·仿真实例 | 第18-24页 |
| ·小结 | 第24-25页 |
| 3 基于最小二乘支持向量机的故障诊断 | 第25-43页 |
| ·概述 | 第25页 |
| ·最小二乘支持向量机 | 第25-33页 |
| ·支持向量机 | 第25-31页 |
| ·最小二乘支持向量机 | 第31-33页 |
| ·基于最小二乘支持向量机的故障诊断 | 第33-35页 |
| ·多分类到二分类的转换 | 第33页 |
| ·仿真实例 | 第33-35页 |
| ·最小二乘支持向量机中参数C,σ的关系 | 第35-41页 |
| ·数据集1圆分类问题 | 第35-38页 |
| ·数据集2双螺旋问题 | 第38-41页 |
| ·仿真结果讨论 | 第41页 |
| ·小结 | 第41-43页 |
| 4 基于粒子群的最小二乘支持向量机算法 | 第43-62页 |
| ·概述 | 第43页 |
| ·粒子群算法 | 第43-57页 |
| ·粒子群基本算法 | 第43-45页 |
| ·粒子群算法步骤与参数选择 | 第45-46页 |
| ·粒子群算法的改进 | 第46-48页 |
| ·测试函数 | 第48-51页 |
| ·仿真实例 | 第51-57页 |
| ·粒子群最小二乘支持向量机 | 第57-61页 |
| ·基于粒子群的最小二乘支持向量机参数选择 | 第57-58页 |
| ·仿真实例 | 第58-61页 |
| ·小结 | 第61-62页 |
| 5 基于ARPSO最小二乘支持向量机道岔控制电路的故障诊断 | 第62-73页 |
| ·分动外锁闭道岔电路概述 | 第62-63页 |
| ·分动外锁闭道岔电路工作原理 | 第63-66页 |
| ·道岔启动电路工作原理 | 第63-65页 |
| ·道岔表示电路工作原理 | 第65-66页 |
| ·道岔控制电路故障分析 | 第66-68页 |
| ·基于ARPSO最小二乘支持向量机的道岔控制电路故障诊断 | 第68-72页 |
| ·小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录A 车辆汽轮机故障诊断训练样本数据 | 第80-81页 |
| 附录B 车辆汽轮机故障诊断测试样本数据 | 第81-82页 |
| 攻读学位期间的研究成果 | 第82页 |