| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 引言 | 第12-21页 |
| ·课题的提出及研究意义 | 第12-13页 |
| ·基于Volterra级数模型的非线性系统辨识的研究现状 | 第13-15页 |
| ·基于Volterra级数模型的故障诊断 | 第15-17页 |
| ·本论文的主要内容和创新点 | 第17-20页 |
| ·本论文的主要内容 | 第17-19页 |
| ·本论文的创新点 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 2 Volterra级数模型基础理论 | 第21-30页 |
| ·引言 | 第21页 |
| ·非线性系统的Volterra级数模型的表示形式 | 第21-24页 |
| ·Volterra级数时域模型 | 第21-23页 |
| ·Volterra级数频域模型 | 第23-24页 |
| ·非线性系统的Volterra级数模型的辨识 | 第24-27页 |
| ·Volterra级数时域模型辨识 | 第24-26页 |
| ·Volterra级数频域模型辨识 | 第26-27页 |
| ·基于Volterra级数模型的故障诊断思路 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 3 基于量子粒子群优化的Volterra时域核辨识 | 第30-53页 |
| ·引言 | 第30页 |
| ·量子粒子群优化算法的基本理论 | 第30-34页 |
| ·经典的粒子群优化算法 | 第30-32页 |
| ·量子粒子群优化算法 | 第32-33页 |
| ·量子粒子群优化算法与经典粒子群优化算法的比较 | 第33-34页 |
| ·基于量子粒子群优化算法的Volterra时域核辨识 | 第34-36页 |
| ·仿真研究 | 第36-47页 |
| ·核记忆长度已知时的Volterra核辨识 | 第36-41页 |
| ·核记忆长度未知时的Volterra核辨识 | 第41-46页 |
| ·仿真研究结论 | 第46-47页 |
| ·实验研究 | 第47-51页 |
| ·本章小结 | 第51-53页 |
| 4 基于Volterra时域核的核主分量分析故障诊断方法 | 第53-66页 |
| ·引言 | 第53页 |
| ·核主分量分析方法 | 第53-58页 |
| ·主分量分析基本思想 | 第53-55页 |
| ·核主分量分析基本原理 | 第55-58页 |
| ·基于Volterra时域核-KPCA的故障诊断基本思路 | 第58-59页 |
| ·实验研究 | 第59-64页 |
| ·本章小结 | 第64-66页 |
| 5 基于Volterra时域核的支持向量机故障识别方法 | 第66-75页 |
| ·引言 | 第66页 |
| ·支持向量机 | 第66-70页 |
| ·支持向量机基本原理 | 第66-69页 |
| ·SVM多类分类问题算法 | 第69-70页 |
| ·基于Volterra时域核的SVM故障识别方法 | 第70-71页 |
| ·实验研究 | 第71-74页 |
| ·本章小结 | 第74-75页 |
| 6 基于Volterra时域核和隐Markov模型的故障诊断方法 | 第75-87页 |
| ·引言 | 第75页 |
| ·隐Markov模型基本理论 | 第75-82页 |
| ·Markov链 | 第75-77页 |
| ·隐Markov模型基本思想及定义 | 第77-78页 |
| ·HMM的基本算法 | 第78-82页 |
| ·基于Volterra时域核和HMM的故障诊断方法 | 第82-86页 |
| ·基于Volterra时域核和HMM的故障诊断方法的基本步骤 | 第82页 |
| ·实验研究 | 第82-86页 |
| ·本章小结 | 第86-87页 |
| 7 总结与展望 | 第87-90页 |
| ·本文总结 | 第87-88页 |
| ·展望 | 第88-90页 |
| 参考文献 | 第90-95页 |
| 致谢 | 第95-96页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第96-97页 |
