| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·同步发电机励磁系统 | 第8-9页 |
| ·励磁系统的检修与维护 | 第9-10页 |
| ·励磁系统的检测项目 | 第9-10页 |
| ·励磁系统的故障检修与维护现状 | 第10页 |
| ·励磁系统功率单元的故障诊断概述 | 第10-12页 |
| ·功率单元故障诊断的必要性 | 第10-11页 |
| ·功率单元故障诊断的方法 | 第11-12页 |
| ·本论文的主要内容 | 第12-13页 |
| 2 励磁系统功率单元的建模仿真 | 第13-22页 |
| ·励磁系统功率单元的工作原理 | 第13-14页 |
| ·励磁系统的工作原理 | 第13-14页 |
| ·励磁系统功率单元的工作原理 | 第14页 |
| ·功率单元的建模 | 第14-17页 |
| ·仿真元件简介 | 第15页 |
| ·功率单元仿真模型的建立 | 第15-17页 |
| ·功率单元故障的仿真与分类 | 第17-20页 |
| ·功率单元的故障仿真 | 第17-20页 |
| ·功率单元的故障分类 | 第20页 |
| ·小结 | 第20-22页 |
| 3 基于神经网络的励磁系统功率单元的故障诊断 | 第22-35页 |
| ·神经网络基本理论 | 第22-25页 |
| ·基本概念 | 第22页 |
| ·神经元结构模型 | 第22-24页 |
| ·神经网络模型的分类 | 第24页 |
| ·神经网络的仿真 | 第24-25页 |
| ·神经网络的学习与训练 | 第25页 |
| ·基于BP的励磁系统功率单元的故障诊断 | 第25-34页 |
| ·BP神经网络 | 第26页 |
| ·BP网络结构 | 第26-27页 |
| ·BP网络学习公式的推导 | 第27-30页 |
| ·用 BP网络实现功率单元的故障诊断 | 第30-34页 |
| ·小结 | 第34-35页 |
| 4 粗糙集理论 | 第35-44页 |
| ·粗糙集的基本理论 | 第35-40页 |
| ·知识的含义 | 第35页 |
| ·粗糙集的定义与上下近似集 | 第35-38页 |
| ·属性约简与规则约简 | 第38-40页 |
| ·粗糙集理论的特性 | 第40-42页 |
| ·粗糙集理论的基本特点 | 第40-41页 |
| ·粗糙集与模糊集、证据理论的关系 | 第41页 |
| ·粗糙集与神经网络、知识工程、遗传算法的关系 | 第41-42页 |
| ·粗糙集理论的应用 | 第42-43页 |
| ·粗糙集的研究对象 | 第42页 |
| ·粗糙集的应用领域 | 第42-43页 |
| ·小结 | 第43-44页 |
| 5 基于 RSNN的励磁系统功率单元故障诊断 | 第44-57页 |
| ·基于 RSNN分步法的励磁系统功率单元的故障诊断 | 第44-51页 |
| ·故障波形的傅立叶分解 | 第45-47页 |
| ·故障诊断简化规则的获取 | 第47-49页 |
| ·功率单元故障类型的诊断 | 第49-50页 |
| ·功率单元故障元的诊断 | 第50-51页 |
| ·基于 RSNN整体法的励磁系统功率单元的故障诊断 | 第51-56页 |
| ·故障诊断系统的设计 | 第51-53页 |
| ·用 RSNN整体法对功率单元进行故障诊断 | 第53-55页 |
| ·RSNN与 NN故障诊断中的比较与分析 | 第55-56页 |
| ·小结 | 第56-57页 |
| 6 结论与展望 | 第57-59页 |
| ·结论 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63页 |