首页--工业技术论文--电工技术论文--电机论文--交流电机论文--异步电机论文

基于小波神经网络和支持向量机的电机故障诊断与研究

摘要第1-5页
ABSTRACT第5-11页
第一章 绪论第11-17页
   ·选课题的意义第11-12页
   ·电机诊断技术的发展现况第12-15页
   ·本论文的主要研究内容和工作第15-17页
第二章 电机工作原理及常见故障分析第17-27页
   ·异步电动机的组成第17页
   ·电机工作原理第17-18页
   ·异步电动机常见故障第18-22页
     ·定子故障第18-20页
     ·转子故障第20-21页
     ·轴承故障第21-22页
   ·基于定子电流法的电机故障诊断第22-24页
     ·定子电流诊断转子断条的原理第23页
     ·气隙偏心的监测与诊断方法第23-24页
     ·轴承故障第24页
     ·定子匝间短路第24页
   ·基于振动法的电机故障诊断第24-26页
     ·电动机定子异常产生的电磁振动第24页
     ·电动机转子绕组故障产生的电磁振动第24页
     ·气隙不均匀产生的电磁振动第24页
     ·轴承故障时产生的电磁振动第24-26页
   ·小结第26-27页
第三章 小波包在电机信号消噪中的应用第27-39页
   ·傅里叶分析第27-28页
   ·小波变换第28-30页
     ·一维连续小波变换第28-29页
     ·离散小波变换第29-30页
   ·多分辨和小波包分析第30-35页
     ·多分辨分析第30-31页
     ·小波包分析第31-32页
     ·小波包去噪第32-35页
   ·基于小波包的电机信号消噪第35-37页
   ·小结第37-39页
第四章 电机特征数据的提取第39-53页
   ·试验时所需设备及试验设置第39-40页
     ·试验时所需设备第39页
     ·试验设计第39-40页
   ·电机轴承故障时的特征频率第40-46页
   ·电机信号能量频谱图第46-48页
   ·基于小波包分析技术提取电机故障状态时的能量第48-52页
   ·小结第52-53页
第五章 基于神经网络的电机故障预测第53-69页
   ·BP神经网络的组成第53-54页
   ·小波神经网络第54-56页
     ·松散型小波神经网络第54-55页
     ·融合型小波神经网络第55-56页
   ·基于松散型小波神经网络的电机故障诊断第56-64页
     ·BP神经网络各参数的确定第56-61页
     ·神经网络仿真及电机故障诊断第61-64页
   ·基于融合型小波神经网络的电机故障诊断第64-68页
     ·融合型小波神经网络参数的设置第65页
     ·融合型小波神经网络仿真及电机故障诊断第65-68页
   ·小结第68-69页
第六章 基于支持向量机的电机故障诊断第69-81页
   ·最优分类超平面第69-72页
     ·线性可分最优超平面的求取第69-71页
     ·线性不可分情况下最优超平面的求取第71-72页
   ·分类支持向量机第72-76页
     ·高维空间的最优分类超平面第72-74页
     ·分类支持向量机第74-75页
     ·支持向量机的核函数第75页
     ·支持向量机的多分类问题第75-76页
   ·基于支持向量机的电机故障诊断第76-80页
     ·libsvm工具箱主要参数介绍第77页
     ·向量机与神经网络数据输入的差别第77页
     ·应用向量机进行电机故障诊断第77-80页
   ·小结第80-81页
第七章 全文总结与展望第81-83页
   ·全文总结第81-82页
   ·对未来的展望第82-83页
参考文献第83-87页
致谢第87-89页
攻读硕士学位期间发表的学术论文第89页

论文共89页,点击 下载论文
上一篇:配电网电压凹陷检测与补偿策略的研究
下一篇:基于小波分析和神经网络的异步电动机故障诊断