SS4G型电力机车故障诊断系统的研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题背景及研究意义 | 第11页 |
| 1.2 电力机车故障诊断技术的发展现状 | 第11-13页 |
| 1.2.1 国内外电力机车故障诊断技术的发展 | 第11-13页 |
| 1.2.2. 电力机车故障诊断方法的沿革 | 第13页 |
| 1.3 论文主要内容安排 | 第13-15页 |
| 第2章 SS4G电力机车主辅电路的故障分析 | 第15-30页 |
| 2.1 牵引主电路的构成 | 第15-20页 |
| 2.1.1 高压电源电路 | 第16页 |
| 2.1.2 整流调压电路 | 第16-17页 |
| 2.1.3 主传动系统电路 | 第17-18页 |
| 2.1.4 加馈制动电路 | 第18-19页 |
| 2.1.5 功率补偿电路 | 第19页 |
| 2.1.6 主电路保护电路 | 第19-20页 |
| 2.2 机车主回路常见故障分析 | 第20-25页 |
| 2.2.1 受流装置常见故障分析 | 第20-21页 |
| 2.2.2 主断路器常见故障分析 | 第21-22页 |
| 2.2.3 主变压器常见故障分析 | 第22-23页 |
| 2.2.4 脉流牵引电机常见故障分析 | 第23-24页 |
| 2.2.5 线路接触器常见故障分析 | 第24-25页 |
| 2.3 辅助电路构成及常见故障分析 | 第25-29页 |
| 2.3.1 辅助电路构成 | 第25-28页 |
| 2.3.2 辅助电路常见故障分析 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 故障诊断方法的对比分析 | 第30-50页 |
| 3.1 已应用的故障诊断方法 | 第30-33页 |
| 3.2 基于专家系统的方法 | 第33-39页 |
| 3.2.1 什么是专家系统 | 第33-35页 |
| 3.2.2 专家系统的知识库 | 第35-36页 |
| 3.2.3 知识的获取 | 第36-38页 |
| 3.2.4 推理机 | 第38页 |
| 3.2.5 专家系统的现状及趋势 | 第38-39页 |
| 3.3 基于神经网络的方法 | 第39-46页 |
| 3.3.1 什么是神经网络技术 | 第39页 |
| 3.3.2 神经网络识别法 | 第39-41页 |
| 3.3.3 神经网络技术的基本原理 | 第41-42页 |
| 3.3.4 基于BP算法的神经网络及其改进 | 第42-46页 |
| 3.4 专家系统与神经网络的比较 | 第46-49页 |
| 3.4.1 专家系统故障诊断的特点 | 第46-47页 |
| 3.4.2 神经网络故障诊断的特点 | 第47-48页 |
| 3.4.3 将专家系统与神经网络结合 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 SS4G电力机车故障诊断系统总体设计 | 第50-61页 |
| 4.1 过程监测模块设计 | 第50-56页 |
| 4.1.1 小波分析基本理论 | 第51-53页 |
| 4.1.2 基于小波分析的故障特征提取举例 | 第53-56页 |
| 4.2 设计结合神经网络的专家系统 | 第56-60页 |
| 4.2.1 神经网络专家系统的结构设计 | 第56-57页 |
| 4.2.2 知识的获取及表示方法 | 第57-58页 |
| 4.2.3 故障诊断系统推理机设计 | 第58-60页 |
| 4.3 本章小结 | 第60-61页 |
| 第5章 故障诊断系统软件的开发试验 | 第61-69页 |
| 5.1 诊断系统需求分析 | 第61-62页 |
| 5.1.1 系统功能 | 第61页 |
| 5.1.2 设计原则 | 第61-62页 |
| 5.2 用户管理模块 | 第62-64页 |
| 5.3 参数配置模块 | 第64-66页 |
| 5.3.1 故障诊断界面设计 | 第65-66页 |
| 5.4 数据及报表模块设计 | 第66-68页 |
| 5.4.1 数据库设计 | 第66-67页 |
| 5.4.2 报表模块设计 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
