摘要 | 第4-5页 |
abstract | 第5-6页 |
注释表 | 第12-13页 |
缩略词 | 第13-14页 |
第一章 绪论 | 第14-22页 |
1.1 研究背景 | 第14-15页 |
1.2 国内外研究现状 | 第15-18页 |
1.2.1 航空发动机状态监视和故障诊断技术研究现状 | 第15-16页 |
1.2.2 支持向量机和双子支持向量机故障诊断及应用现状 | 第16-18页 |
1.3 航空发动机故障诊断与故障诊断系统概述 | 第18-21页 |
1.3.1 航空发动机故障诊断概述 | 第18-20页 |
1.3.2 航空发动机故障诊断系统概述 | 第20-21页 |
1.4 本论文的主要工作安排 | 第21-22页 |
第二章 基于杂交粒子群算法双子支持向量机的航空发动机故障诊断 | 第22-40页 |
2.1 概述 | 第22页 |
2.2 TWSVM方法原理及其特点 | 第22-25页 |
2.2.1 线性TWSVM | 第22-24页 |
2.2.2 非线性TWSVM | 第24-25页 |
2.3 粒子群算法与杂交粒子群算法 | 第25-28页 |
2.3.1 粒子群算法 | 第25-27页 |
2.3.2 杂交粒子群算法 | 第27-28页 |
2.4 基于杂交粒子群算法双子支持向量机的航空发动机故障诊断 | 第28-31页 |
2.5 航空发动机故障特征获取 | 第31-35页 |
2.5.1 基于气路故障模型的故障特征获取 | 第31-34页 |
2.5.2 基于测量数据的故障特征获取 | 第34-35页 |
2.6 实验及其结果分析 | 第35-39页 |
2.6.1 基于仿真故障模型数据的故障诊断 | 第35-37页 |
2.6.2 基于实际测量数据的故障诊断 | 第37-39页 |
2.7 本章小结 | 第39-40页 |
第三章 基于新型偏二叉树最小二乘双子SVM机航空发动机故障诊断 | 第40-52页 |
3.1 概述 | 第40-41页 |
3.2 最小二乘双子支持向量机简介 | 第41-43页 |
3.3 二叉树与可分性测度设计 | 第43-46页 |
3.4 偏二叉树最小二乘双子SVM机航空发动机故障诊断 | 第46-47页 |
3.5 实验及其结果分析 | 第47-51页 |
3.5.1 基于仿真故障模型数据的故障诊断 | 第47-49页 |
3.5.2 基于实际测量数据的故障诊断 | 第49-51页 |
3.6 本章小结 | 第51-52页 |
第四章 基于有向无环图正则化双子支持向量机航空发动机故障诊断 | 第52-62页 |
4.1 概述 | 第52页 |
4.2 TBSVM算法原理和特点 | 第52-55页 |
4.2.1 线性TBSVM | 第52-54页 |
4.2.2 非线性TBSVM | 第54-55页 |
4.3 DDAG算法原理与特点及其改进 | 第55-57页 |
4.3.1 DDAG多分类算法原理与特点 | 第55-56页 |
4.3.2 DDAG多分类算法的改进 | 第56-57页 |
4.4 基于DDAG的TBSVM的航空发动机故障诊断 | 第57-58页 |
4.5 实验及其结果分析 | 第58-61页 |
4.5.1 基于仿真故障模型数据的故障诊断 | 第58-60页 |
4.5.2 基于实际测量数据的故障诊断 | 第60-61页 |
4.6 本章小结 | 第61-62页 |
第五章 粒子群优化的最小二乘参数化间隔双子支持向量机的航空发动机故障诊断 | 第62-77页 |
5.1 概述 | 第62-64页 |
5.1.1 参数化间隔支持向量机 | 第62-63页 |
5.1.2 参数化间隔双子支持向量机 | 第63-64页 |
5.2 最小二乘参数化间隔双子支持向量机的原理 | 第64-67页 |
5.2.1 LSTPMSVM的线性形式 | 第65-66页 |
5.2.2 LSTPMSVM的非线性形式 | 第66-67页 |
5.3 故障诊断算法的实现过程 | 第67-70页 |
5.3.1 参数优化算法 | 第67-69页 |
5.3.2 多分类算法及其他方面 | 第69-70页 |
5.4 最小二乘参数化间隔双子支持向量机的航空发动机故障诊断 | 第70-71页 |
5.5 实验验证与结果分析 | 第71-75页 |
5.5.1 基于仿真故障模型数据的故障诊断 | 第71-73页 |
5.5.2 基于实际测量数据的故障诊断 | 第73-75页 |
5.6 本章小结与本文四种故障诊断模型的对比研究及总结 | 第75-77页 |
5.6.1 本章小结 | 第75页 |
5.6.2 本文四种故障诊断模型的对比研究及总结 | 第75-77页 |
第六章 总结与展望 | 第77-80页 |
6.1 总结 | 第77-78页 |
6.2 展望 | 第78-80页 |
参考文献 | 第80-84页 |
致谢 | 第84-85页 |
在学期间的研究成果及发表的学术论文 | 第85页 |