| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-24页 |
| ·引言 | 第9页 |
| ·UPS 概述 | 第9-12页 |
| ·UPS 行业现状 | 第9-10页 |
| ·UPS 发展方向 | 第10-12页 |
| ·UPS 关键技术 | 第12-23页 |
| ·锁相技术 | 第12-16页 |
| ·UPS 并联技术 | 第16-20页 |
| ·UPS 并联方式 | 第20-23页 |
| ·本文的结构安排 | 第23-24页 |
| 第二章 UPS 数字化锁相技术研究 | 第24-32页 |
| ·引言 | 第24页 |
| ·锁相的原理及算法 | 第24-27页 |
| ·UPS 锁相原理 | 第24-25页 |
| ·UPS 锁相环建模 | 第25-27页 |
| ·UPS 数字锁相环模型仿真与分析 | 第27-29页 |
| ·锁相环的软件实现与实验验证 | 第29-31页 |
| ·UPS 锁相环软件实现 | 第29页 |
| ·UPS 锁相环实验验证 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 UPS 并机技术研究 | 第32-40页 |
| ·引言 | 第32-33页 |
| ·UPS 并机基本原理及控制方法 | 第33-35页 |
| ·UPS 并机基本原理 | 第33-35页 |
| ·UPS 并机同步控制 | 第35页 |
| ·并机均流控制 | 第35-37页 |
| ·实验验证 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 改进的 BP神经网络在 UPS 并联系统故障诊断中的应用探索 | 第40-55页 |
| ·神经网络的结构和学习规则 | 第40-43页 |
| ·神经网络的结构 | 第40页 |
| ·神经网络常用的学习法则 | 第40-43页 |
| ·BP神经网络的结构和基本算法 | 第43-46页 |
| ·BP神经网络的网络结构 | 第43-44页 |
| ·BP神经网络的基本算法 | 第44-46页 |
| ·BP神经网络基本算法的改进 | 第46-47页 |
| ·附加动量法 | 第46-47页 |
| ·自适应学习率调整法 | 第47页 |
| ·UPS 实例电路故障诊断 | 第47-53页 |
| ·UPS 三相逆变器的建模 | 第47-49页 |
| ·UPS 三相逆变器故障诊断仿真与测试 | 第49-53页 |
| ·本章小结 | 第53-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 附录 1 三相 UPS 逆变器主控板 | 第62-63页 |
| 附录 2 UPS 现场测试 | 第63-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |