| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-13页 |
| 1.2 国内外研究现状及问题 | 第13-15页 |
| 1.2.1 传统故障诊断与状态监测技术 | 第13-14页 |
| 1.2.2 现代故障诊断与状态检测技术 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 第2章 监控系统总体设计方案 | 第16-26页 |
| 2.1 智能监控系统构成 | 第16-18页 |
| 2.2 传感器组安放 | 第18-19页 |
| 2.3 同质多传感器数据融合技术研究 | 第19-21页 |
| 2.4 支持向量机故障诊断技术研究 | 第21-24页 |
| 2.5 船舶中低速大功率柴油机SCR智能监控软件研究 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 SCR多传感器数据融合技术研究 | 第26-40页 |
| 3.1 SCR多传感器数据融合的层次 | 第26-28页 |
| 3.1.1 数据级融合 | 第26-27页 |
| 3.1.2 特征级融合 | 第27页 |
| 3.1.3 决策层融合 | 第27-28页 |
| 3.2 SCR多传感器数据融合算法 | 第28-31页 |
| 3.2.1 信号处理与估计理论 | 第28-29页 |
| 3.2.2 统计推断理论 | 第29页 |
| 3.2.3 信息论 | 第29页 |
| 3.2.4 人工智能 | 第29-31页 |
| 3.3 基于支持度矩阵特征值和特征向量的数据融合算法 | 第31-40页 |
| 3.3.1 基于置信距离测度的支持度矩阵 | 第32-34页 |
| 3.3.2 最优传感器组选取 | 第34-35页 |
| 3.3.3 融合算法 | 第35-36页 |
| 3.3.4 SCR中的仿真和比较 | 第36-40页 |
| 第4章 SCR机故障诊断技术研究 | 第40-67页 |
| 4.1 支持向量机原理 | 第40-46页 |
| 4.1.1 线性分类器与Logistic回归 | 第41-44页 |
| 4.1.2 支持向量机模型求解 | 第44-46页 |
| 4.2 核函数 | 第46-49页 |
| 4.2.1.核函数的定义 | 第46-48页 |
| 4.2.2 核函数的种类和选取 | 第48-49页 |
| 4.3 规则化和不可分情况的处理 | 第49-51页 |
| 4.4 SCR故障诊断参数寻优研究 | 第51-57页 |
| 4.4.1 遗传算法原理 | 第51-54页 |
| 4.4.2 基于GA的SVM参数优化 | 第54-57页 |
| 4.5 SCR故障诊断仿真实验 | 第57-66页 |
| 4.5.1 第一层SVM寻优与训练仿真 | 第57-60页 |
| 4.5.2 第二层SVM训练 | 第60-61页 |
| 4.5.3 第三层SVM训练 | 第61-64页 |
| 4.5.4 总体仿真 | 第64-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第5章 SCR智能监控软件设计 | 第67-80页 |
| 5.1 OPC数据存储服务器设计 | 第68-70页 |
| 5.2 硬件驱动设计 | 第70-71页 |
| 5.3 OPC客户端代理设计 | 第71-73页 |
| 5.4 LabVIEW显控软件 | 第73-74页 |
| 5.5 诊断模块设计 | 第74-76页 |
| 5.6 仿真实验 | 第76-78页 |
| 5.7 本章小结 | 第78-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第86-87页 |
| 致谢 | 第87页 |