基于支持向量机的瓦斯传感器故障诊断方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·选题背景及意义 | 第9页 |
| ·煤矿瓦斯传感器可靠性分析 | 第9-11页 |
| ·煤矿安全检测系统可靠性调查 | 第9-10页 |
| ·煤矿瓦斯传感器可靠性分析 | 第10-11页 |
| ·瓦斯传感器故障诊断技术的发展 | 第11-13页 |
| ·支持向量机方法概述 | 第13-17页 |
| ·国内外研究现状 | 第13-14页 |
| ·SVM 算法的研究内容 | 第14-15页 |
| ·SVM 算法的优点 | 第15-16页 |
| ·SVM 与神经网路方法的比较 | 第16-17页 |
| 2 支持向量机原理及其实现算法 | 第17-30页 |
| ·引言 | 第17页 |
| ·统计学习理论 | 第17-19页 |
| ·VC 维 | 第17页 |
| ·推广性的界 | 第17-18页 |
| ·结构风险最小化原则 | 第18-19页 |
| ·SVM 原理及算法 | 第19-25页 |
| ·SVM 基本原理 | 第19-21页 |
| ·最优超平面的构造 | 第21-23页 |
| ·支持向量机分类问题 | 第23-24页 |
| ·核函数 | 第24-25页 |
| ·SVM 的训练算法 | 第25-29页 |
| ·选块算法 | 第25页 |
| ·固定工作样本集算法 | 第25-29页 |
| ·小结 | 第29-30页 |
| 3 传感器故障诊断技术 | 第30-40页 |
| ·引言 | 第30页 |
| ·传感器故障诊断技术的内容 | 第30-33页 |
| ·传感器故障诊断的任务 | 第30-31页 |
| ·传感器故障类型 | 第31-33页 |
| ·传感器故障诊断技术的主要方法 | 第33-37页 |
| ·依赖于模型的故障诊断方法 | 第33-35页 |
| ·不依赖于模型的故障诊断方法 | 第35-37页 |
| ·数据的预处理 | 第37-39页 |
| ·小波变换消除白噪声 | 第37-38页 |
| ·数据的归一化处理 | 第38-39页 |
| ·小结 | 第39-40页 |
| 4 回归型支持向量机用于故障诊断 | 第40-53页 |
| ·引言 | 第40页 |
| ·基于模型的故障诊断 | 第40-44页 |
| ·基于模型诊断的基本思想 | 第40-41页 |
| ·基于模型的故障诊断方法 | 第41-44页 |
| ·回归型支持向量机（SVR）理论 | 第44-48页 |
| ·线性回归情况 | 第45-47页 |
| ·非线性回归情况 | 第47-48页 |
| ·回归型支持向量机用于模型辨识 | 第48-51页 |
| ·SVR 用于模型辨识的现实背景 | 第48-49页 |
| ·SVR 实现模型辨识 | 第49-51页 |
| ·小结 | 第51-53页 |
| 5 瓦斯传感器故障诊断与信号恢复实现 | 第53-65页 |
| ·引言 | 第53页 |
| ·瓦斯传感器故障诊断系统 | 第53-55页 |
| ·影响瓦斯检测值的各种环境因素分析 | 第53-54页 |
| ·瓦斯传感器故障模式及其影响 | 第54-55页 |
| ·基于回归型支持向量机的传感器故障诊断 | 第55-57页 |
| ·SVR 预测器建模 | 第55-56页 |
| ·核函数选则 | 第56页 |
| ·故障诊断及信号恢复实现 | 第56-57页 |
| ·仿真实验与结果分析 | 第57-64页 |
| ·MATLAB 环境下仿真 | 第57页 |
| ·SVR 预测器的建立 | 第57-59页 |
| ·SVR 预测器性能测试 | 第59-61页 |
| ·故障仿真验证 | 第61-64页 |
| ·小结 | 第64-65页 |
| 结论与展望 | 第65-67页 |
| 参考文献 | 第67-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间已发表的学术论文 | 第77页 |
