| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题的研究意义和背景 | 第9-10页 |
| 1.2 断路器机械故障非侵入式诊断技术的研究现状 | 第10-14页 |
| 1.2.1 特征提取 | 第11-13页 |
| 1.2.2 状态识别 | 第13页 |
| 1.2.3 存在的问题 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-17页 |
| 第二章 万能式断路器非侵入式故障诊断实验系统 | 第17-27页 |
| 2.1 系统总体方案 | 第17-19页 |
| 2.2 控制电路 | 第19-20页 |
| 2.3 检测系统 | 第20-22页 |
| 2.3.1 传感通道 | 第20-22页 |
| 2.3.2 数据采集装置 | 第22页 |
| 2.4 操作平台 | 第22-25页 |
| 2.5 小结 | 第25-27页 |
| 第三章 基于振动信号的万能式断路器分合闸故障诊断 | 第27-43页 |
| 3.1 改进的小波包降噪 | 第27-30页 |
| 3.2 固有模态分量的样本熵提取 | 第30-33页 |
| 3.3 基于相关向量机的故障诊断模型 | 第33-36页 |
| 3.4 万能式断路器分合闸故障诊断实例分析 | 第36-42页 |
| 3.5 小结 | 第42-43页 |
| 第四章 万能式断路器分合闸故障振声诊断方法 | 第43-59页 |
| 4.1 原理介绍 | 第43-47页 |
| 4.1.1 组合核函数KPCA算法 | 第43-44页 |
| 4.1.2 特征提取 | 第44-45页 |
| 4.1.3 改进QPSO算法及其优化模型 | 第45-47页 |
| 4.2 诊断实例分析 | 第47-58页 |
| 4.2.1 振声信号的采集 | 第47-49页 |
| 4.2.2 多特征参数的提取与分析 | 第49-55页 |
| 4.2.3 基于改进QPSO-RVM模型的故障识别 | 第55-57页 |
| 4.2.4 诊断方法的适用性分析 | 第57-58页 |
| 4.3 小结 | 第58-59页 |
| 第五章 基于电机电流分析的操作机构故障诊断 | 第59-69页 |
| 5.1 电流信号预处理 | 第59-63页 |
| 5.1.1 储能电流分析 | 第59-61页 |
| 5.1.2 电流信号包络线的提取 | 第61-62页 |
| 5.1.3 包络分析中噪声的剔除 | 第62-63页 |
| 5.2 特征提取及有效性分析 | 第63-67页 |
| 5.2.1 信号特征量提取 | 第63-66页 |
| 5.2.2 特征量提取的有效性分析 | 第66-67页 |
| 5.3 完全二叉树相关向量机分类器的建立 | 第67-68页 |
| 5.4 小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-71页 |
| 6.1 结论 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 攻读学位期间所取得的相关科研成果 | 第79-80页 |