| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 永磁同步电机故障诊断的研究意义 | 第9-10页 |
| 1.2 永磁同步电机故障诊断国内外研究现状 | 第10-13页 |
| 1.2.1 永磁同步电机转子失磁诊断方法研究现状 | 第10-11页 |
| 1.2.2 永磁同步电机匝间短路诊断方法研究现状 | 第11-12页 |
| 1.2.3 永磁同步电机故障模式识别研究现状 | 第12-13页 |
| 1.3 目前永磁同步电机故障诊断方法总结 | 第13-14页 |
| 1.4 论文的主要工作和章节安排 | 第14-17页 |
| 2 含感应线圈的永磁同步电机模型 | 第17-33页 |
| 2.1 本章引言 | 第17页 |
| 2.2 永磁同步电机仿真模型 | 第17-20页 |
| 2.2.1 永磁同步电机有限元仿真模型 | 第17-18页 |
| 2.2.2 联合仿真 | 第18-19页 |
| 2.2.3 感应线圈在故障诊断中的作用 | 第19-20页 |
| 2.3 永磁同步电机故障诊断的信号源选取及预处理 | 第20-22页 |
| 2.4 基于感应电压信号的故障定位 | 第22-32页 |
| 2.4.1 部分失磁故障定位 | 第24-29页 |
| 2.4.2 匝间短路故障定位 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 基于感应电压信号的永磁同步电机故障识别 | 第33-43页 |
| 3.1 本章引言 | 第33页 |
| 3.2 感应电压信号中的故障特征 | 第33-37页 |
| 3.2.1 转子失磁故障的频谱特征 | 第33-35页 |
| 3.2.2 匝间短路故障的频谱特征 | 第35-37页 |
| 3.3 基于小波包能量法的故障特征提取 | 第37-39页 |
| 3.4 基于支持向量机的永磁同步电机故障识别 | 第39-42页 |
| 3.4.1 支持向量机 | 第39-40页 |
| 3.4.2 永磁同步电机故障识别 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于电流信号的永磁同步电机故障识别 | 第43-63页 |
| 4.1 本章引言 | 第43页 |
| 4.2 电流信号中的故障特征 | 第43-47页 |
| 4.2.1 转子失磁故障的电流特征 | 第43-45页 |
| 4.2.2 匝间短路故障的电流特征 | 第45-47页 |
| 4.3 故障特征提取 | 第47-49页 |
| 4.4 电流故障特征的降维处理 | 第49-57页 |
| 4.4.1 常用降维方法特点 | 第49-50页 |
| 4.4.2 特征提取降维法 | 第50-54页 |
| 4.4.3 特征选择与特征提取结合的降维法 | 第54-57页 |
| 4.5 永磁同步电机故障识别 | 第57-61页 |
| 4.5.1 基于支持向量机的永磁同步电机故障识别 | 第57-58页 |
| 4.5.2 基于BP神经网络的永磁同步电机故障识别 | 第58-59页 |
| 4.5.3 基于朴素贝叶斯的永磁同步电机故障识别 | 第59-61页 |
| 4.6 本章小结 | 第61-63页 |
| 5 基于多源信息融合的永磁同步电机故障识别 | 第63-73页 |
| 5.1 本章引言 | 第63页 |
| 5.2 多源信息融合方法 | 第63-65页 |
| 5.3 D-S证据理论与支持向量机的结合方法 | 第65-68页 |
| 5.4 基于D-S证据理论的永磁同步电机故障识别 | 第68-72页 |
| 5.4.1 电流信号识别结果的融合 | 第68-70页 |
| 5.4.2 电流及感应电压信号识别结果的多源信息融合 | 第70-72页 |
| 5.5 本章小结 | 第72-73页 |
| 6 总结和展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 附录 | 第83页 |
| A.作者在攻读学位期间发表的论文目录 | 第83页 |
| B.作者在攻读学位期间参与的科研项目 | 第83页 |