| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 主要符号表 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外研究现状研究 | 第13-17页 |
| ·基于解析模型的方法 | 第14-15页 |
| ·基于信号处理的方法 | 第15页 |
| ·基于知识的方法 | 第15-16页 |
| ·基于关联向量机的方法 | 第16-17页 |
| ·论文结构和主要内容 | 第17页 |
| ·本章总结 | 第17-18页 |
| 第2章 自确认气动执行器结构及常见故障描述 | 第18-23页 |
| ·自确认气动执行器结构 | 第18-19页 |
| ·自确认气动执行器常见故障描述 | 第19-22页 |
| ·本章总结 | 第22-23页 |
| 第3章 基于RVM回归的自确认气动执行器建模方法 | 第23-31页 |
| ·RVM回归原理 | 第23-26页 |
| ·RVM 模型的建立 | 第26-30页 |
| ·本章总结 | 第30-31页 |
| 第4章 基于RVM分类的气动执行器的故障诊断算法研究 | 第31-41页 |
| ·RVM分类原理 | 第32-34页 |
| ·基于RVM的分类 | 第34页 |
| ·基于RVM的多分类器设计 | 第34-38页 |
| ·基于RVM的一对一（OAO）分类器设计 | 第34-35页 |
| ·基于RVM的一对多（OAA）分类器设计 | 第35页 |
| ·基于RVM的二叉树分类器设计 | 第35-38页 |
| ·基于 RVM 的一对一分类、一对多分类和基于 RVM 的二叉树分类之间的比较 | 第38-40页 |
| ·本章总结 | 第40-41页 |
| 第5章 基于RVM的气动执行器故障诊断与基于SVM的气动执行器故障诊断的比较 | 第41-51页 |
| ·SVM 的概况 | 第41-44页 |
| ·支持向量机回归原理 | 第42-43页 |
| ·支持向量机分类原理 | 第43-44页 |
| ·基于SVM的气动执行器的故障诊断与基于RVM的气动执行器故障诊断比较 | 第44-49页 |
| ·仿真数据下基于 RVM 和基于 SVM 的气动执行器故障诊断比较 | 第44-47页 |
| ·实际数据下基于 RVM 和基于 SVM 的气动执行器故障诊断比较 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 结论 | 第51-53页 |
| 附录Ⅰ基于关联向量机回归模型的 M 文件（.m） | 第53-55页 |
| 附录Ⅱ调用Matlab程序的关联向量机一对一（OAO）分类M文件（.m） | 第55-59页 |
| 附录Ⅲ调用 Matlab 程序的关联向量机一对多（OAA）分类 M 文件（.m） | 第59-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第67页 |
