| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 故障诊断方法研究现状 | 第10-12页 |
| 1.2.2 存在的主要问题 | 第12-14页 |
| 1.2.3 柴油机故障诊断发展趋势 | 第14-15页 |
| 1.3 本论文主要研究内容 | 第15-16页 |
| 2 基于改进数据结构保持算法的特征提取方法 | 第16-32页 |
| 2.1 样本空间全局结构特征保持算法 | 第16-20页 |
| 2.1.1 核主元分析基本原理 | 第16-19页 |
| 2.1.2 基于核主元分析的特征提取 | 第19-20页 |
| 2.2 样本空间局部结构特征保持算法 | 第20-23页 |
| 2.2.1 核局部保持投影基本原理 | 第20-22页 |
| 2.2.2 基于核局部保持投影的特征提取 | 第22-23页 |
| 2.3 改进样本空间数据结构保持算法 | 第23-26页 |
| 2.4 仿真实验 | 第26-30页 |
| 2.4.1 数值模拟 | 第26-27页 |
| 2.4.2 仿真实验 | 第27-30页 |
| 2.5 小结 | 第30-32页 |
| 3 基于改进K近邻算法的故障分类方法 | 第32-42页 |
| 3.1 K近邻算法基本原理 | 第32-35页 |
| 3.1.1 K近邻算法概述 | 第32-33页 |
| 3.1.2 K近邻分类流程 | 第33-35页 |
| 3.2 基于改进KNN算法的故障分类 | 第35-38页 |
| 3.2.1 降维指标 | 第35-36页 |
| 3.2.2 基于改进KNN算法的故障分类 | 第36-38页 |
| 3.3 仿真实验 | 第38-40页 |
| 3.4 小结 | 第40-42页 |
| 4 基于分块KPCA与LSSVM的故障检测方法 | 第42-53页 |
| 4.1 分块KPCA算法 | 第42-45页 |
| 4.1.1 分块KPCA算法原理 | 第42-43页 |
| 4.1.2 SPE与T~2统计量 | 第43-44页 |
| 4.1.3 分块KPCA算法流程 | 第44-45页 |
| 4.2 分块KPCA与LSSVM的集成故障检测 | 第45-47页 |
| 4.2.1 SVM与LSSVM算法原理 | 第45-46页 |
| 4.2.2 分块KPCA与LSSVM的集成故障诊断算法 | 第46-47页 |
| 4.3 仿真实验 | 第47-52页 |
| 4.4 小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间参与项目情况 | 第57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58页 |