大功率电力机车牵引变流器故障诊断与寿命预测
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 研究方法和现状 | 第10-12页 |
| 1.2.1 故障诊断技术研究现状 | 第10-11页 |
| 1.2.2 寿命预测技术研究现状 | 第11-12页 |
| 1.3 本文研究内容及结构安排 | 第12-14页 |
| 第2章 牵引变流器的故障仿真分析 | 第14-31页 |
| 2.1 牵引变流器的电路结构 | 第14-15页 |
| 2.2 牵引逆变器的工作原理 | 第15-17页 |
| 2.3 牵引变流器的仿真分析 | 第17-19页 |
| 2.3.1 仿真工具的介绍 | 第17页 |
| 2.3.2 直接转矩控制法 | 第17-18页 |
| 2.3.3 逆变器仿真模型的建立 | 第18-19页 |
| 2.4 开路故障仿真分析 | 第19-30页 |
| 2.4.1 开路故障分类 | 第19-21页 |
| 2.4.2 不同故障仿真分析 | 第21-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于小波分析的故障特征提取 | 第31-43页 |
| 3.1 小波分析的基本原理 | 第31-35页 |
| 3.1.1 连续小波变换和离散小波变换 | 第31-32页 |
| 3.1.2 多分辨率分析 | 第32-34页 |
| 3.1.3 常见小波介绍 | 第34-35页 |
| 3.2 输出电流波形的小波变换 | 第35-37页 |
| 3.3 基于小波分解的特征提取 | 第37-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于神经网络的牵引变流器故障识别 | 第43-56页 |
| 4.1 神经网络基本原理 | 第43-48页 |
| 4.1.1 神经元与神经网络结构 | 第43-45页 |
| 4.1.2 BP神经网络的基本原理 | 第45-47页 |
| 4.1.3 SOM神经网络的基本原理 | 第47-48页 |
| 4.2 BP网络故障诊断研究 | 第48-51页 |
| 4.2.1 变流器故障模式编码 | 第48-49页 |
| 4.2.2 BP神经网络的设计与验证 | 第49-51页 |
| 4.3 SOM网络故障诊断研究 | 第51-54页 |
| 4.4 BP网络和SOM网络对比总结 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 基于灰色模型的寿命预测 | 第56-65页 |
| 5.1 IGBT动态特性分析 | 第56-58页 |
| 5.2 监测参数实验数据提取 | 第58-61页 |
| 5.3 基于灰色模型的状态退化研究 | 第61-64页 |
| 5.3.1 灰色模型原理 | 第61-62页 |
| 5.3.2 状态退化模型建立 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读学位期间发表的论文及参加的科研项目 | 第70页 |
