| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 课题来源 | 第13-15页 |
| 1.2 国内外研究发展与现状 | 第15-20页 |
| 1.2.1 故障趋势预测国内外研究发展 | 第15-17页 |
| 1.2.2 支持向量机基本原理与发展概述 | 第17-20页 |
| 1.3 问题提出 | 第20-21页 |
| 1.4 主要研究内容及论文结构 | 第21-25页 |
| 1.4.1 主要研究内容 | 第21-22页 |
| 1.4.2 论文结构安排 | 第22-25页 |
| 第二章 基于标准LS-SVM的轴承退化预测方法 | 第25-49页 |
| 2.1 统计学习理论 | 第25-28页 |
| 2.1.1 机器学习基本介绍 | 第25-26页 |
| 2.1.2 统计学习理论介绍 | 第26-28页 |
| 2.2 LS-SVM预测算法 | 第28-32页 |
| 2.2.1 算法原理概述 | 第28-29页 |
| 2.2.2 仿真实验 | 第29-32页 |
| 2.3 基于LS-SVM的单步预测 | 第32-42页 |
| 2.3.1 轴承故障试验台 | 第32-33页 |
| 2.3.2 性能衰退指标选取 | 第33-36页 |
| 2.3.3 耦合模拟退火算法 | 第36-39页 |
| 2.3.4 实验对比分析 | 第39-42页 |
| 2.4 基于LS-SVM的多步预测 | 第42-47页 |
| 2.4.1 多步预测方法概述 | 第42-44页 |
| 2.4.2 迭代更新预测与比较 | 第44-47页 |
| 2.5 本章小结 | 第47-49页 |
| 第三章 基于时移多变量LS-SVM轴承退化预测方法 | 第49-67页 |
| 3.1 多变量LS-SVM介绍 | 第49-52页 |
| 3.1.1 多变量LS-SVM原理 | 第49-51页 |
| 3.1.2 仿真试验 | 第51-52页 |
| 3.2 特征变量选取 | 第52-56页 |
| 3.2.1 特征变量种类及计算方法 | 第52-55页 |
| 3.2.2 特征变量选取方法 | 第55-56页 |
| 3.3 基于时移多变量LS-SVM预测模型 | 第56-59页 |
| 3.3.1 模型样本对构造 | 第56-57页 |
| 3.3.2 移动窗口迭代更新 | 第57-59页 |
| 3.4 故障预测实验 | 第59-66页 |
| 3.4.1 试验台介绍 | 第59-61页 |
| 3.4.2 实验对比与分析 | 第61-66页 |
| 3.5 本章小结 | 第66-67页 |
| 第四章 基于过程时移多变量LS-SVM轴承退化预测方法 | 第67-83页 |
| 4.1 过程LS-SVM介绍 | 第67-71页 |
| 4.1.1 过程LS-SVM机理分析 | 第67-69页 |
| 4.1.2 过程LS-SVM核函数研究 | 第69-70页 |
| 4.1.3 过程LS-SVM预测模型建立 | 第70-71页 |
| 4.2 混沌时间序列仿真实验 | 第71-74页 |
| 4.3 过程时移多变量LS-SVM预测模型 | 第74-77页 |
| 4.3.1 多变量分解与样本对构造 | 第74-76页 |
| 4.3.2 模型迭代更新 | 第76-77页 |
| 4.4 实验对比与分析 | 第77-82页 |
| 4.5 本章小结 | 第82-83页 |
| 第五章 结论与展望 | 第83-85页 |
| 5.1 全文工作总结 | 第83-84页 |
| 5.2 研究展望 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 致谢 | 第91-93页 |
| 已发表的学术论文 | 第93-95页 |
| 作者和导师简介 | 第95-97页 |
| 附录 | 第97-98页 |