| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-19页 |
| ·立题背景 | 第9-10页 |
| ·汽轮发电机组状态监测与故障诊断技术国内外发展现状 | 第10-17页 |
| ·故障机理的研究现状 | 第10页 |
| ·故障信息处理技术研究现状 | 第10-12页 |
| ·智能故障诊断方法的研究现状 | 第12-16页 |
| ·远程诊断技术的国内外研究现状 | 第16-17页 |
| ·论文研究内容与主要结果 | 第17-19页 |
| 第二章 统计学习理论与支持向量机 | 第19-33页 |
| ·引言 | 第19页 |
| ·机器学习的基本原理 | 第19-22页 |
| ·机器学习问题的表示 | 第19-20页 |
| ·经验风险最小化归纳原则 | 第20-21页 |
| ·学习的复杂性和推广性分析 | 第21-22页 |
| ·统计学习理论 | 第22-25页 |
| ·学习过程一致性 | 第22页 |
| ·学习机器的VC维 | 第22-23页 |
| ·学习机器推广性的界 | 第23-24页 |
| ·结构风险最小化归纳原则 | 第24-25页 |
| ·支持向量机 | 第25-31页 |
| ·最优分类超平面 | 第25-28页 |
| ·广义最优分类超平面 | 第28页 |
| ·核函数 | 第28-31页 |
| ·SVM实现算法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 汽轮机组故障征兆自动提取方法的研究 | 第33-49页 |
| ·引言 | 第33页 |
| ·汽轮发电机组振动故障和征兆的特点 | 第33-34页 |
| ·故障征兆的自动提取 | 第34-47页 |
| ·数值型征兆的提取 | 第35-37页 |
| ·时域征兆的提取 | 第35页 |
| ·频域征兆的提取 | 第35-37页 |
| ·时间趋势征兆的提取 | 第37-39页 |
| ·利用EMD和相关系数的征兆相关性分析 | 第39-44页 |
| ·利用不变矩方法对轴心轨迹征兆的提取 | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 基于One-Class SVM的机组异常振动检测 | 第49-62页 |
| ·引言 | 第49页 |
| ·异常监测方法 | 第49-50页 |
| ·基于ONE-CLASS SVM的异常检测方法 | 第50-54页 |
| ·One-Class SVM分类基本原理 | 第51-52页 |
| ·One-Class SVM的异常检测 | 第52-54页 |
| ·ONE-CLASS SVM在机组振动异常检测中的应用研究 | 第54-61页 |
| ·研究用原始数据的来源 | 第54-55页 |
| ·One-Class SVM分类器核参数σ及控制变量v的选择 | 第55-58页 |
| ·One-Class SVM与神经网络的试验比较 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 机组振动趋势预测LS-SVR方法研究 | 第62-74页 |
| ·前言 | 第62页 |
| ·时间序列可预测性 | 第62-63页 |
| ·时间序列预测的常用方法 | 第63-64页 |
| ·支持向量回归预测 | 第64-71页 |
| ·ε不敏感损失函数 | 第64-65页 |
| ·支持向量回归 | 第65-67页 |
| ·最小二乘支持向量回归 | 第67-68页 |
| ·数值仿真试验 | 第68-71页 |
| ·LS-SVR方法在机组振动故障趋势预测中的应用 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 支持向量机在机组振动故障诊断中的应用研究 | 第74-91页 |
| ·引言 | 第74页 |
| ·SVM故障诊断方法 | 第74-77页 |
| ·SVM故障诊断原理 | 第74-75页 |
| ·SVM多类分类学习算法 | 第75-77页 |
| ·核聚类二叉树型SVM多值分类算法研究 | 第77-80页 |
| ·核聚类二叉树型SVM多值分类器算法说明 | 第77-79页 |
| ·算法模型参数的选择 | 第79-80页 |
| ·机组振动采用核聚类二叉树型SVM的多征兆故障诊断 | 第80-87页 |
| ·故障的多征兆特征信息融合 | 第80-81页 |
| ·试验样本数据的采集 | 第81-82页 |
| ·试验结果 | 第82-85页 |
| ·与神经网络及三种多类SVM方法的比较 | 第85-87页 |
| ·发电机组振动故障ONE-CLASS SVM诊断模型 | 第87-89页 |
| ·One-Class SVM诊断模型 | 第87-88页 |
| ·One-Class SVM模型对新故障的诊断 | 第88-89页 |
| ·One-Class SVM对复合故障的诊断 | 第89页 |
| ·本章小结 | 第89-91页 |
| 第七章 汽轮发电机组Internet远程监测诊断系统 | 第91-106页 |
| ·前言 | 第91页 |
| ·设备远程状态监测与诊断技术 | 第91-92页 |
| ·远程监测诊断系统的通信原理 | 第92-93页 |
| ·远程通信的OSI参考模型 | 第92页 |
| ·TCP/IP通信协议 | 第92-93页 |
| ·远程通信接口的实现－Socket套接字 | 第93页 |
| ·汽轮发电机组振动远程监测与故障诊断系统 | 第93-104页 |
| ·系统总体方案设计 | 第93-95页 |
| ·系统结构模式 | 第93-94页 |
| ·系统组成 | 第94-95页 |
| ·系统功能模块 | 第95-100页 |
| ·系统的实现 | 第100-103页 |
| ·网络安全措施 | 第103-104页 |
| ·本章小结 | 第104-106页 |
| 第八章 结论 | 第106-108页 |
| ·本论文主要研究内容 | 第106-107页 |
| ·进一步的研究工作 | 第107-108页 |
| 致谢 | 第108-109页 |
| 参考文献 | 第109-116页 |
