| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 振动控制 | 第11-14页 |
| 1.2.2 时间序列研究现状 | 第14-16页 |
| 1.3 本文的主要工作 | 第16-18页 |
| 第2章 振动信号预测建模方法 | 第18-30页 |
| 2.1 人工神经网络 | 第18-22页 |
| 2.1.1 BP神经网络 | 第19-21页 |
| 2.1.2 BP神经网络训练过程 | 第21-22页 |
| 2.2 支持向量机 | 第22-24页 |
| 2.2.1 线性回归原理 | 第22-24页 |
| 2.2.2 非线性回归原理 | 第24页 |
| 2.3 回声状态网络原理 | 第24-28页 |
| 2.3.1 回声状态网络的训练 | 第25-27页 |
| 2.3.2 回声状态属性 | 第27页 |
| 2.3.3 回声状态网络的关键参数 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 振动信号多步预测模型 | 第30-40页 |
| 3.1 模型数据样本介绍 | 第30页 |
| 3.2 单一模型建立 | 第30-35页 |
| 3.2.1 模型的训练和测试 | 第31页 |
| 3.2.2 支持向量机模型 | 第31-32页 |
| 3.2.3 BP神经网络模型 | 第32页 |
| 3.2.4 回声状态网络模型 | 第32页 |
| 3.2.5 仿真比较 | 第32-35页 |
| 3.3 BP-SVR模型 | 第35-37页 |
| 3.4 仿真结果分析 | 第37-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 基于相空间重构理论的振动趋势长时间预测 | 第40-62页 |
| 4.1 相空间重构 | 第40-43页 |
| 4.2 基于相空间重构的振动多步预测模型 | 第43-50页 |
| 4.2.1 基于相空间重构的振动预测建模方法 | 第43-45页 |
| 4.2.2 振动预测实例分析 | 第45-50页 |
| 4.3 基于小波变换与相空间重构的振动长时间预测模型 | 第50-60页 |
| 4.3.1 小波变换 | 第50-52页 |
| 4.3.2 基于小波分析与相空间重构的振动预测建模方法 | 第52-55页 |
| 4.3.3 振动预测实例分析 | 第55-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第5章 结论与展望 | 第62-64页 |
| 5.1 全文总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表的论文 | 第69-70页 |
| 致谢 | 第70页 |