基于支持向量机的动调陀螺仪寿命预测方法研究 |
论文目录 | | 摘要 | 第1-7页 | ABSTRACT | 第7-14页 | 缩略语和符号说明 | 第14-16页 | 第一章 绪论 | 第16-36页 | 1.1 概述 | 第16页 | 1.2 陀螺寿命预测研究的背景及意义 | 第16-17页 | 1.3 陀螺寿命预测研究的现状 | 第17-19页 | 1.4 信号预处理及建模预测技术发展概括 | 第19-27页 | 1.4.1 信号预处理发展综述 | 第19-21页 | 1.4.2 建模预测技术综述 | 第21-27页 | 1.5 本文研究内容及结构 | 第27-30页 | 本章参考文献 | 第30-36页 | 第二章 统计学习理论和支持向量机 | 第36-53页 | 2.1 机器学习 | 第36-39页 | 2.1.1 学习问题的表示 | 第36-38页 | 2.1.2 经验风险最小化原则 | 第38-39页 | 2.1.3 模型复杂度和推广能力 | 第39页 | 2.2 统计学习理论的基本思想 | 第39-42页 | 2.2.1 VC 维 | 第40页 | 2.2.2 推广能力的界 | 第40-41页 | 2.2.3 结构风险最小化原理 | 第41-42页 | 2.3 支持向量机 | 第42-51页 | 2.3.1 概述 | 第42-43页 | 2.3.2 支持向量分类机 | 第43-48页 | 2.3.2.1 线性支持向量分类机 | 第43-47页 | 2.3.2.2 非线性支持向量分类机 | 第47-48页 | 2.3.3 支持向量回归机 | 第48-51页 | 2.4 本章小结 | 第51-52页 | 本章参考文献 | 第52-53页 | 第三章 陀螺寿命预测研究方案及测试系统设计 | 第53-71页 | 3.1 动调陀螺仪寿命预测研究方案 | 第53-55页 | 3.2 陀螺仪寿命测试系统 | 第55-68页 | 3.2.1 系统框图 | 第55-56页 | 3.2.2 测试系统硬件设计 | 第56-64页 | 3.2.2.1 动调陀螺仪 | 第56页 | 3.2.2.2 数据采集模块 | 第56-58页 | 3.2.2.3 试验参数的测量 | 第58-64页 | 3.2.3 测试系统软件设计 | 第64-68页 | 3.2.3.1 系统软件框图 | 第64-65页 | 3.2.3.2 多线程技术 | 第65-66页 | 3.2.3.3 数据采集程序 | 第66-68页 | 3.2.3.4 用户界面 | 第68页 | 3.3 本章小结 | 第68-70页 | 本章参考文献 | 第70-71页 | 第四章 陀螺数据预处理及寿命特征因子提取分析 | 第71-92页 | 4.1 陀螺仪温度特性分析 | 第71-72页 | 4.2 陀螺参数数据分析 | 第72-74页 | 4.2.1 灰色关联模型 | 第72-73页 | 4.2.2 实测数据分析 | 第73-74页 | 4.3 陀螺仪测试参数温度建模与补偿 | 第74-84页 | 4.3.1 概述 | 第75-76页 | 4.3.2 小波变换技术 | 第76-79页 | 4.3.2.1 小波变换 | 第76-77页 | 4.3.2.2 多分辨率分析 | 第77-79页 | 4.3.3 基于WT 和SVM 的温度补偿模型 | 第79-80页 | 4.3.4 陀螺参数温度建模补偿结果和分析 | 第80-84页 | 4.4 动调陀螺仪寿命特征因子提取分析 | 第84-87页 | 4.4.1 概述 | 第84页 | 4.4.2 特征因子提取模型 | 第84-86页 | 4.4.3 数据样本的选取与处理 | 第86页 | 4.4.4 结果分析 | 第86-87页 | 4.5 本章小结 | 第87-89页 | 本章参考文献 | 第89-92页 | 第五章 基于EMD 方法的陀螺振动频域能量分析 | 第92-114页 | 5.1 概述 | 第92-93页 | 5.2 经验模态分解(EMD)方法和HILBERT 变换 | 第93-97页 | 5.2.1 瞬时频率和本征模态函数 | 第93-94页 | 5.2.2 经验模态分解(EMD)方法 | 第94-96页 | 5.2.3 希尔伯特变换和HILBERT谱 | 第96-97页 | 5.3 改进的EMD 信号分析策略 | 第97-104页 | 5.3.1 RBF 神经网络 | 第98-100页 | 5.3.2 小波包变换技术 | 第100-101页 | 5.3.3 改进EMD 分析策略的拓扑结构 | 第101-102页 | 5.3.4 仿真实例分析 | 第102-104页 | 5.4 陀螺振动频域特征能量分析 | 第104-110页 | 5.4.1 概述 | 第104-105页 | 5.4.2 基于改进EMD 方法的陀螺振动频域分析 | 第105-106页 | 5.4.3 基于支持向量机的陀螺频域特征能量分析 | 第106-109页 | 5.4.4 陀螺特征频率能量的建立 | 第109-110页 | 5.5 本章小结 | 第110-111页 | 本章参考文献 | 第111-114页 | 第六章 基于支持向量机的陀螺寿命建模预测分析 | 第114-134页 | 6.1 概述 | 第114-115页 | 6.2 灰色理论 | 第115-119页 | 6.2.1 灰色数据生成操作 | 第116-117页 | 6.2.1.1 累加生成操作(AGO) | 第116-117页 | 6.2.1.2 累减生成操作(IAGO) | 第117页 | 6.2.2 GM(1,1)预测模型 | 第117-119页 | 6.3 支持向量机预测模型 | 第119-121页 | 6.4 灰色支持向量机(SVM)预测模型 | 第121-125页 | 6.4.1 灰色SVM 预测模型拓扑结构 | 第121-122页 | 6.4.2 振动频域能量建模预测实例分析 | 第122-125页 | 6.5 陀螺寿命建模预测与结果分析 | 第125-131页 | 6.5.1 误差评价指标 | 第126-127页 | 6.5.2 预测误差模型 | 第127-129页 | 6.5.3 动调陀螺仪寿命预测分析 | 第129-131页 | 6.5.3.1 陀螺寿命定义 | 第129-130页 | 6.5.3.2 寿命预测结果与分析 | 第130-131页 | 6.6 本章小结 | 第131-132页 | 本章参考文献 | 第132-134页 | 第七章 总结与展望 | 第134-137页 | 7.1 本文研究工作及创新点 | 第134-136页 | 7.2 研究展望 | 第136-137页 | 致谢 | 第137-138页 | 攻读博士学位期间发表的论文 | 第138页 |
|
|
|
| |