| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| ·开展电力机车牵引变压器故障诊断技术研究的意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·牵引变压器故障诊断的智能算法 | 第11-13页 |
| ·课题来源和论文结构 | 第13-15页 |
| ·课题来源 | 第13页 |
| ·论文的主要结构 | 第13-15页 |
| 第二章 电力机车牵引变压器的结构与故障分析 | 第15-27页 |
| ·电力机车牵引变压器的工作特点和基本结构 | 第15-22页 |
| ·韶山_7型电力机车主变压器 | 第16-18页 |
| ·韶山_8型电力机车主变压器 | 第18-19页 |
| ·HXD_1型电力机车主变压器 | 第19-21页 |
| ·HXD_3型电力机车主变压器 | 第21-22页 |
| ·牵引变压器的故障分析 | 第22-27页 |
| ·牵引变压器故障类型 | 第22-23页 |
| ·牵引变压器短路故障检测 | 第23-25页 |
| ·牵引变压器放电性故障检测 | 第25页 |
| ·故障信号处理 | 第25-27页 |
| 第三章 多分辨分析小波神经网络 | 第27-40页 |
| ·小波分析 | 第27-30页 |
| ·小波函数 | 第27-28页 |
| ·尺度函数 | 第28-29页 |
| ·小波函数与尺度函数的对比 | 第29页 |
| ·多分辨分析 | 第29-30页 |
| ·人工神经网络 | 第30-37页 |
| ·神经网络的基本结构 | 第30-32页 |
| ·神经网络的学习 | 第32-37页 |
| ·多分辨分析小波神经网络 | 第37-40页 |
| ·小波神经网络的分类 | 第37-38页 |
| ·小波神经网络的结构 | 第38-39页 |
| ·小波神经网络的学习算法 | 第39-40页 |
| 第四章 混合粒子群算法 | 第40-48页 |
| ·传统的粒子群算法 | 第41-42页 |
| ·免疫粒子群优化算法 | 第42-43页 |
| ·混沌粒子群算法 | 第43页 |
| ·量子计算 | 第43-44页 |
| ·量子改进的粒子群算法(QPSO) | 第44-48页 |
| 第五章 基于QPSO多分辨分析小波神经网络的牵引变压器故障诊断 | 第48-57页 |
| ·电力机车牵引变压器故障诊断系统结构 | 第48-50页 |
| ·电力机车牵引变压器故障诊断算法实现 | 第50-57页 |
| ·基于QPSO的多分辨分析小波神经网的训练步骤 | 第50-51页 |
| ·网络初始化 | 第51-52页 |
| ·改进算法的训练与结果 | 第52-55页 |
| ·改进算法的测试与结果 | 第55-57页 |
| 总结与展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |