| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10页 |
| 1.2 高压断路器状态监测及其研究现状 | 第10-12页 |
| 1.3 基于振动信号的断路器机械故障诊断研究综述 | 第12-14页 |
| 1.3.1 特征提取方法 | 第12-13页 |
| 1.3.2 模式识别方法 | 第13-14页 |
| 1.4 本文主要解决的问题 | 第14页 |
| 1.5 本文研究的主要内容 | 第14-16页 |
| 2 高压断路器机械故障机理及其振动信号特征分析 | 第16-22页 |
| 2.1 高压断路器的组成结构 | 第16-17页 |
| 2.2 高压断路器故障类型分析 | 第17-18页 |
| 2.2.1 拒动故障分析 | 第17页 |
| 2.2.2 误动故障分析 | 第17页 |
| 2.2.3 故障类型的选取 | 第17-18页 |
| 2.3 高压断路器的振动信号特征分析 | 第18-20页 |
| 2.3.1 高压断路器振动信号产生 | 第18页 |
| 2.3.2 高压断路器振动信号的时域特性 | 第18-20页 |
| 2.4 本章小结 | 第20-22页 |
| 3 振动信号的采集及去噪预处理 | 第22-34页 |
| 3.1 振动信号采集系统简介 | 第22-23页 |
| 3.2 振动信号的采集 | 第23-25页 |
| 3.2.1 振动传感器的型号选取 | 第23-24页 |
| 3.2.2 振动传感器安装方式的选择 | 第24-25页 |
| 3.2.3 振动传感器安装位置的选择 | 第25页 |
| 3.3 数据采集卡的选择 | 第25-26页 |
| 3.4 恒流源供电器的选择 | 第26页 |
| 3.5 振动信号样本的建立 | 第26-28页 |
| 3.6 基于小波阈值的振动信号去噪 | 第28-32页 |
| 3.6.1 小波阈值去噪机理 | 第28-30页 |
| 3.6.2 小波函数的选择 | 第30-31页 |
| 3.6.3 去噪效果的确定 | 第31-32页 |
| 3.7 基于振动信号的断路器机械故障诊断总体研究方案 | 第32-33页 |
| 3.8 本章小结 | 第33-34页 |
| 4 基于EEMD能量熵的振动信号特征提取 | 第34-48页 |
| 4.1 EMD分解原理 | 第34-37页 |
| 4.1.1 瞬时频率 | 第34页 |
| 4.1.2 本征模态函数分量条件 | 第34-35页 |
| 4.1.3 EMD分解步骤 | 第35-36页 |
| 4.1.4 EMD分解的优缺点 | 第36-37页 |
| 4.2 EEMD分解及其特性分析 | 第37-41页 |
| 4.2.1 EEMD分解的提出 | 第37-38页 |
| 4.2.2 EEMD分解参数设定 | 第38页 |
| 4.2.3 EMD分解和EEMD分解仿真对比分析 | 第38-41页 |
| 4.3 断路器振动信号等能量段EEMD能量熵提取方法 | 第41-43页 |
| 4.3.1 信号包络的求取 | 第41页 |
| 4.3.2 等能量分段方式 | 第41-42页 |
| 4.3.3 能量熵的求取 | 第42-43页 |
| 4.4 实验结果及分析 | 第43-46页 |
| 4.4.1 有效IMF分量提取 | 第43-44页 |
| 4.4.2 振动信号等能量分段时间点的求取 | 第44-45页 |
| 4.4.3 振动信号等能段EEMD能量熵的提取及结果分析 | 第45-46页 |
| 4.5 本章小结 | 第46-48页 |
| 5 基于小波包能量熵的振动信号特征提取 | 第48-54页 |
| 5.1 小波变换原理 | 第48-50页 |
| 5.1.1 连续小波变换 | 第48-49页 |
| 5.1.2 连续小波的离散化 | 第49-50页 |
| 5.2 小波包分解 | 第50页 |
| 5.3 断路器振动信号等能量段小波包能量熵提取方法 | 第50-51页 |
| 5.4 振动信号等能量分段时间点的求取 | 第51-53页 |
| 5.5 实验结果及分析 | 第53页 |
| 5.6 本章小结 | 第53-54页 |
| 6 基于PCA和SVM的断路器机械故障诊断分析 | 第54-68页 |
| 6.1 基于PCA的振动特征向量降维 | 第54-56页 |
| 6.1.1 PCA简介 | 第54页 |
| 6.1.2 主成分的贡献率 | 第54-55页 |
| 6.1.3 PCA特征降维算法步骤 | 第55页 |
| 6.1.4 实验结果及分析 | 第55-56页 |
| 6.2 基于马氏距离的断路器机械故障诊断 | 第56-59页 |
| 6.2.1 马氏距离基本原理 | 第56-58页 |
| 6.2.2 实验及分析 | 第58-59页 |
| 6.3 基于SVM的断路器机械故障诊断 | 第59-66页 |
| 6.3.1 最优分类超平面 | 第60-61页 |
| 6.3.2 线性支持向量机 | 第61-62页 |
| 6.3.3 非线性支持向量机 | 第62页 |
| 6.3.4 核函数的选择 | 第62-63页 |
| 6.3.5 模型参数的选择 | 第63-64页 |
| 6.3.6 实验及分析 | 第64-66页 |
| 6.4 本章小结 | 第66-68页 |
| 7 结论与展望 | 第68-70页 |
| 7.1 全文工作总结 | 第68页 |
| 7.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 作者简历 | 第74-76页 |
| 学位论文数据集 | 第76页 |
