| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 油液分析技术 | 第9-12页 |
| 1.2.1 油液分析技术的发展现状 | 第9-10页 |
| 1.2.2 常用的油液分析技术 | 第10-12页 |
| 1.3 课题研究内容及安排 | 第12-14页 |
| 2 基于油液分析的齿轮箱故障诊断 | 第14-24页 |
| 2.1 齿轮箱常见故障类型 | 第14-17页 |
| 2.1.1 齿轮常见故障 | 第14-15页 |
| 2.1.2 轴承常见故障 | 第15-16页 |
| 2.1.3 保持架故障 | 第16页 |
| 2.1.4 箱体故障 | 第16页 |
| 2.1.5 密封不良 | 第16-17页 |
| 2.2 机车齿轮箱故障识别原理 | 第17-18页 |
| 2.2.1 磨粒检测技术 | 第17页 |
| 2.2.2 界限值法的诊断原理 | 第17-18页 |
| 2.3 机车齿轮箱故障诊断模型 | 第18-23页 |
| 2.3.1 数据来源 | 第18-19页 |
| 2.3.2 利用界限值法进行故障判断 | 第19-23页 |
| 2.3.3 诊断结果与实际结果对比 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 基于油液分析的变压器故障诊断 | 第24-31页 |
| 3.1 变压器的故障机理 | 第24-25页 |
| 3.1.1 变压器产气机理 | 第24页 |
| 3.1.2 变压器故障识别机理 | 第24-25页 |
| 3.2 改良三比值法介绍 | 第25-26页 |
| 3.3 基于改良三比值法的变压器故障诊断流程 | 第26-27页 |
| 3.4 电力机车变压器故障诊断 | 第27-30页 |
| 3.4.1 数据来源 | 第27页 |
| 3.4.2 故障诊断 | 第27-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 基于支持向量机的齿轮箱和变压器故障诊断 | 第31-41页 |
| 4.1 统计学理论 | 第31-32页 |
| 4.1.1 VC维的问题 | 第31页 |
| 4.1.2 推广性的界和结构风险最小化的问题 | 第31-32页 |
| 4.2 支持向量机原理 | 第32-33页 |
| 4.3 核函数 | 第33-34页 |
| 4.4 支持向量机分类器 | 第34-35页 |
| 4.5 建立RBF支持向量机的故障诊断模型 | 第35-40页 |
| 4.5.1 样本分类 | 第36页 |
| 4.5.2 样本数据归一化处理 | 第36-37页 |
| 4.5.3 确定所选核函数的参数 | 第37-39页 |
| 4.5.4 利用最佳参数进行SVM网络训练,建立最优分类器 | 第39页 |
| 4.5.5 进行网络预测 | 第39-40页 |
| 4.6 本章小结 | 第40-41页 |
| 5 齿轮箱和变压器状态检测及故障诊断系统研发 | 第41-48页 |
| 5.1 系统总体思路 | 第41-42页 |
| 5.2 电力机车齿轮箱故障诊断模块介绍 | 第42-45页 |
| 5.2.1 光铁谱数据维护模块 | 第42页 |
| 5.2.2 光铁谱数据分析模块 | 第42-43页 |
| 5.2.3 支持向量机故障诊断模块 | 第43-44页 |
| 5.2.4 光铁谱数据浏览模块 | 第44页 |
| 5.2.5 综合查询与打印 | 第44-45页 |
| 5.3 电力机车变压器故障诊断模块介绍 | 第45-47页 |
| 5.3.1 气相色谱数据维护 | 第45-46页 |
| 5.3.2 气相色谱数据分析 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-51页 |