基于泄漏量监测的减压阀泄漏预测模型研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-30页 |
| ·研究背景、意义和课题来源 | 第12-13页 |
| ·减压阀的泄漏 | 第13-21页 |
| ·阀类元件的泄放研究现状 | 第14-15页 |
| ·端面密封泄漏研究现状 | 第15-18页 |
| ·泄漏的原因和时间特性 | 第18-19页 |
| ·基于分形技术的端面形貌表征 | 第19-20页 |
| ·基于支持向量机的泄漏预测 | 第20-21页 |
| ·支持向量机的研究现状 | 第21-26页 |
| ·理论研究现状 | 第21-24页 |
| ·应用研究现状 | 第24-25页 |
| ·最新进展 | 第25-26页 |
| ·研究现状中存在的主要不足 | 第26-27页 |
| ·论文主要研究内容和结构 | 第27-30页 |
| 第二章 支持向量机和支持向量机加 | 第30-44页 |
| ·支持向量机基础 | 第30-33页 |
| ·统计学习理论的核心内容 | 第30-31页 |
| ·KKT 条件 | 第31-32页 |
| ·核函数 | 第32-33页 |
| ·结构风险最小化的实现 | 第33-36页 |
| ·支持向量回归 | 第36-38页 |
| ·支持向量机加和支持向量回归加 | 第38-43页 |
| ·什么是隐含信息 | 第38-39页 |
| ·支持向量机加 | 第39-41页 |
| ·支持向量回归加 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 减压阀泄漏的机理模型和测量 | 第44-60页 |
| ·基于性能参数的减压阀泄漏机理模型 | 第44-51页 |
| ·泄放孔的排放量 | 第45-47页 |
| ·端面密封的泄漏量 | 第47-50页 |
| ·减压阀泄漏的时间预测模型 | 第50页 |
| ·小结 | 第50-51页 |
| ·减压阀泄漏量的测量实验 | 第51-60页 |
| ·实验的气动回路 | 第52-54页 |
| ·实验的电气回路 | 第54-55页 |
| ·实验的软件系统 | 第55页 |
| ·泄漏量和压力的测量 | 第55-56页 |
| ·实验结果 | 第56-59页 |
| ·小结 | 第59-60页 |
| 第四章 基于隐含信息的权重调整方法 | 第60-79页 |
| ·概述 | 第60-61页 |
| ·常用的权重确定方法 | 第61-63页 |
| ·权重函数法 | 第61-62页 |
| ·预测误差权重法 | 第62页 |
| ·灰色关联权重法 | 第62-63页 |
| ·基于隐含信息的权重函数调整方法 | 第63-65页 |
| ·调整函数推导 | 第63-64页 |
| ·算法流程 | 第64-65页 |
| ·隐含支持向量回归方法 | 第65-67页 |
| ·仿真实验验证 | 第67-75页 |
| ·回归麦克-格拉斯混沌时间序列 | 第67-69页 |
| ·实验结果对比分析 | 第69-74页 |
| ·小结 | 第74-75页 |
| ·泄漏与磨损的回归实验 | 第75-77页 |
| ·本章小结 | 第77-79页 |
| 第五章 基于双隐含信息的减压阀泄漏预测模型 | 第79-97页 |
| ·常用的时间序列预测建模方法 | 第79-82页 |
| ·时间序列的传统预测方法 | 第79-80页 |
| ·时间序列的现代分析预测方法 | 第80-82页 |
| ·基于双隐含信息的减压阀泄漏预测模型 | 第82-86页 |
| ·隐含信息的选择和采集 | 第83-84页 |
| ·减压阀数据的预处理 | 第84-85页 |
| ·求解和使用预测模型 | 第85-86页 |
| ·优化算法在多参数下的性能差异 | 第86-91页 |
| ·常用的参数选择算法 | 第86-88页 |
| ·实验对比及分析 | 第88-91页 |
| ·隐含信息作为输入特征向量 | 第91-92页 |
| ·减压阀的泄漏失效预测 | 第92-95页 |
| ·阀No.3 的分析 | 第95-96页 |
| ·本章小结 | 第96-97页 |
| 第六章 贯序最小优化加算法 | 第97-123页 |
| ·SVM 和SVM+的模型训练时间比较 | 第97-98页 |
| ·对Iris 数据集进行分类 | 第97-98页 |
| ·测试结果及比较 | 第98页 |
| ·贯序最小优化算法 | 第98-103页 |
| ·三种优化算法 | 第99-100页 |
| ·违反KKT 条件 | 第100页 |
| ·SMO 算法原理 | 第100-102页 |
| ·SMO 算法的特点和优势 | 第102-103页 |
| ·贯序最小优化加算法 | 第103-110页 |
| ·SMO+算法原理 | 第103-106页 |
| ·双缓存机制 | 第106-107页 |
| ·违反KKT 条件 | 第107-109页 |
| ·SMO+的实现步骤 | 第109-110页 |
| ·SMO+优化支持向量回归加 | 第110-114页 |
| ·SVM+的变形 | 第111-112页 |
| ·SVR+的变形 | 第112-114页 |
| ·小结 | 第114页 |
| ·SMO+在减压阀泄漏预测中的的实验 | 第114-117页 |
| ·SMO+软件实现 | 第114-116页 |
| ·实验结果及分析 | 第116-117页 |
| ·最小二乘支持向量机加 | 第117-121页 |
| ·最小二乘支持向量机 | 第117-119页 |
| ·最小二乘支持向量机加 | 第119-120页 |
| ·小结 | 第120-121页 |
| ·本章小结 | 第121-123页 |
| 第七章 总结与展望 | 第123-126页 |
| ·全文总结 | 第123-124页 |
| ·创新点 | 第124-125页 |
| ·研究展望 | 第125-126页 |
| 参考文献 | 第126-131页 |
| 攻读博士学位期间发表论文及科研情况 | 第131-132页 |
| 致谢 | 第132-133页 |
| 附件 | 第133-135页 |
