电力电子装置故障诊断技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·故障诊断的目的和意义 | 第10-11页 |
| ·故障诊断的研究现状 | 第11-14页 |
| ·论文研究的主要内容 | 第14-16页 |
| 第2章 电力电子装置故障类型研究 | 第16-23页 |
| ·逆变电源故障分类 | 第16-17页 |
| ·逆变电路故障模型分析 | 第17-19页 |
| ·各种故障仿真及结果分析 | 第19-22页 |
| ·单管仿真结果及分析 | 第20页 |
| ·双管仿真结果及分析 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于神经网络的电力电子装置故障诊断 | 第23-41页 |
| ·人工神经网络概述 | 第23-24页 |
| ·BP 神经网络 | 第24-29页 |
| ·BP 网络拓扑结构 | 第24-26页 |
| ·BP 网络算法 | 第26-27页 |
| ·BP 神经网络的设计 | 第27-29页 |
| ·神经网络在故障诊断中的应用 | 第29-33页 |
| ·用于故障诊断的信号选取 | 第29页 |
| ·故障特征参数提取 | 第29-30页 |
| ·特征信号的归一化 | 第30-33页 |
| ·神经网络的结构及其输入输出接口定义 | 第33页 |
| ·BP 神经网络设计 | 第33-39页 |
| ·基于MATLAB 神经网络的训练 | 第33-36页 |
| ·样本学习结果 | 第36-37页 |
| ·仿真结果验证 | 第37-39页 |
| ·BP 网络的局限性 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第4章 基于支持向量机的电力电子装置故障诊断 | 第41-53页 |
| ·支持向量机概述 | 第41-44页 |
| ·最优分类超平面 | 第41-42页 |
| ·线性可分数据最优超平面的构建 | 第42-43页 |
| ·非线性可分数据最优超平面的构建 | 第43-44页 |
| ·支持向量机在故障诊断中的应用 | 第44-47页 |
| ·支持向量机模型 | 第44页 |
| ·支持向量机分类 | 第44-45页 |
| ·一对一分类算法 | 第45-46页 |
| ·支持向量机故障诊断的基本步骤 | 第46-47页 |
| ·支持向量机学习样本的设计 | 第47页 |
| ·支持向量机设计 | 第47-51页 |
| ·基于MATLAB 的支持向量机的训练 | 第47-48页 |
| ·仿真结果及分析 | 第48-51页 |
| ·支持向量机和神经网络故障诊断的比较 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 基于DSP 的逆变电路故障诊断系统 | 第53-63页 |
| ·DSP 芯片的选择 | 第53-54页 |
| ·硬件电路设计 | 第54-59页 |
| ·供电电源 | 第54页 |
| ·系统的前端数据采集 | 第54-57页 |
| ·微处理器及其外围电路 | 第57页 |
| ·PCB 板的设计 | 第57-59页 |
| ·软件部分设计 | 第59-60页 |
| ·实验验证 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |
