| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题的提出和研究意义 | 第9-11页 |
| ·课题的提出 | 第9-10页 |
| ·课题的研究意义 | 第10-11页 |
| ·液压设备故障诊断技术的特殊性及研究现状 | 第11-12页 |
| ·液压设备故障诊断的特殊性 | 第11-12页 |
| ·液压设备故障诊断的国内外研究现状 | 第12页 |
| ·液压设备故障诊断方法概述及发展方向 | 第12-15页 |
| ·液压设备故障诊断方法 | 第12-14页 |
| ·故障智能诊断方法综合比较 | 第14页 |
| ·液压设备故障诊断发展方向 | 第14-15页 |
| ·本课题的主要研究内容及解决的主要问题 | 第15-16页 |
| 第二章 比例方向阀的特性及故障机理 | 第16-28页 |
| ·比例方向阀的分类 | 第16页 |
| ·比例方向阀的静态特性 | 第16-18页 |
| ·流量特性 | 第16-17页 |
| ·压力特性 | 第17-18页 |
| ·内泄漏特性 | 第18页 |
| ·比例方向阀的动态特性 | 第18-20页 |
| ·阶跃响应特性 | 第18页 |
| ·频率特性 | 第18-20页 |
| ·比例方向阀的主要故障 | 第20-21页 |
| ·比例方向阀的主要故障机理 | 第21-27页 |
| ·磨损机理 | 第21-23页 |
| ·卡紧机理 | 第23-26页 |
| ·气穴与气蚀机理 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 支持向量机的理论 | 第28-40页 |
| ·概述 | 第28页 |
| ·统计学习理论 | 第28-31页 |
| ·机器学习问题的本质表示 | 第28-29页 |
| ·经验风险最小化原则 | 第29页 |
| ·函数集的VC 维 | 第29-30页 |
| ·结构风险最小化 | 第30-31页 |
| ·支持向量机原理 | 第31-36页 |
| ·广义最优分类超平面的构造 | 第31-34页 |
| ·核函数 | 第34-35页 |
| ·SVM的几何解释 | 第35-36页 |
| ·各种不同的支持向量机 | 第36页 |
| ·基于SVM 的多类分类算法及其在故障诊断中的应用 | 第36-39页 |
| ·基于二叉树的多级SVM 分类器 | 第37页 |
| ·SVM用于故障诊断的一般步骤 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 比例方向阀故障模拟及故障样本集的构造 | 第40-45页 |
| ·比例方向阀实验设计 | 第40-41页 |
| ·实验对象 | 第40页 |
| ·实验目的 | 第40页 |
| ·实验原理 | 第40-41页 |
| ·比例方向阀故障的设置与模拟 | 第41-42页 |
| ·比例方向阀的故障特征曲线及分析 | 第42-44页 |
| ·训练样本集的构造 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第五章 SVM 在比例方向阀故障诊断中的应用实例 | 第45-52页 |
| ·故障诊断思想 | 第45页 |
| ·实验环境 | 第45-49页 |
| ·实验数据与结果 | 第49-52页 |
| 第六章 总结与展望 | 第52-53页 |
| ·总结 | 第52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士期间发表的论文 | 第57页 |