| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·故障诊断研究的意义及发展现状 | 第7-11页 |
| ·故障诊断技术的发展历史 | 第7页 |
| ·故障诊断的主要内容 | 第7-8页 |
| ·故障诊断的主要理论和方法 | 第8-10页 |
| ·故障诊断的最新理论与方法 | 第10-11页 |
| ·开展变流器故障智能诊断技术研究的意义 | 第11-12页 |
| ·本文主要研究内容与篇章结构安排 | 第12-14页 |
| 第二章 SS8主变流器工作原理和仿真分析 | 第14-25页 |
| ·SS8电力机车主变流器电路结构和工作原理 | 第14-19页 |
| ·SS8主变流器电路结构 | 第14-15页 |
| ·SS8主变流器电路的工作原理 | 第15-18页 |
| ·变流器的微机控制简介 | 第18-19页 |
| ·SS8主变流器电路的仿真分析 | 第19-24页 |
| ·仿真工具SIMULINK简介 | 第19-20页 |
| ·变流器的MATLAB仿真模型 | 第20-21页 |
| ·变流器输出电压仿真 | 第21-22页 |
| ·加入白噪声和谐波电压的变流器输出电压仿真 | 第22-24页 |
| ·小结 | 第24-25页 |
| 第三章 变流器输出电压的小波变换及特征提取 | 第25-37页 |
| ·变流器输出电压小波变换 | 第25-33页 |
| ·小波分析的基本理论 | 第25-30页 |
| ·变流器输出电压的小波分解 | 第30-33页 |
| ·变流器故障特征提取方法 | 第33-36页 |
| ·故障特征提取方法 | 第33-34页 |
| ·基于小波分解的能量特征提取方法 | 第34-36页 |
| ·小结 | 第36-37页 |
| 第四章 基于神经网络的变流器故障识别 | 第37-51页 |
| ·用于诊断的神经网络模型 | 第37-42页 |
| ·神经网络模型的选取 | 第37-38页 |
| ·基于BP模型的神经网络结构和算法(Back Propagation) | 第38-40页 |
| ·BP的改进算法 | 第40-41页 |
| ·BP网络的训练过程 | 第41-42页 |
| ·变流器故障模式和神经网络学习样本设计 | 第42-48页 |
| ·变流器故障模式 | 第42-44页 |
| ·故障特征参数及学习样本的设计 | 第44-48页 |
| ·神经网络的测试 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第五章 在线变流器故障智能诊断系统的设计 | 第51-58页 |
| ·信号采集系统 | 第51-52页 |
| ·传感器的选型及布置设计 | 第51-52页 |
| ·霍尔传感器的工作原理及连接方式 | 第52页 |
| ·数据采集存储系统 | 第52-53页 |
| ·上位机处理系统 | 第53-55页 |
| ·数据显示与处理 | 第54页 |
| ·组态功能 | 第54-55页 |
| ·故障诊断及处理 | 第55页 |
| ·故障智能诊断系统的软件设计 | 第55-56页 |
| ·小结 | 第56-58页 |
| 第六章 结论 | 第58-60页 |
| 附录1 变流器的仿真电压波形图例 | 第60-61页 |
| 附录2 小波分解图例 | 第61-64页 |
| 附录3 小波分解系数能量向量值 | 第64-66页 |
| 附录4 神经网络训练权值变化 | 第66-69页 |
| ·训练前权值: | 第66-67页 |
| ·训练后权值: | 第67-69页 |
| 附录5 测试集的小波变换能量值 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士期间的论文发表的论文及科研情况 | 第75页 |