| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-15页 |
| 1.1 CRH2牵引逆变器故障诊断的研究背景和意义 | 第9页 |
| 1.2 牵引逆变器的故障特点 | 第9-10页 |
| 1.3 故障诊断的主要方法 | 第10-13页 |
| 1.3.1 基于数学模型的方法 | 第11页 |
| 1.3.2 基于信号处理的方法 | 第11-12页 |
| 1.3.3 基于知识的方法 | 第12-13页 |
| 1.4 电力电子装置故障诊断现状 | 第13-14页 |
| 1.5 本课题的主要研究内容 | 第14-15页 |
| 2 CRH2牵引逆变器工作原理及故障分析 | 第15-28页 |
| 2.1 CRH2牵引变流器概述 | 第16页 |
| 2.2 CRH2牵引逆变器的拓扑结构及工作原理 | 第16-17页 |
| 2.2.1 CRH2牵引逆变器拓扑结构 | 第16页 |
| 2.2.2 CRH2牵引逆变器的工作原理 | 第16-17页 |
| 2.3 CRH2牵引逆变器故障分析 | 第17-19页 |
| 2.4 CRH2牵引逆变器故障建模及仿真 | 第19-21页 |
| 2.5 CRH2牵引逆变器故障分类 | 第21-28页 |
| 2.5.1 单桥臂发生故障 | 第21-22页 |
| 2.5.2 交叉桥臂发生故障 | 第22-23页 |
| 2.5.3 故障编码 | 第23-28页 |
| 3 神经网络的基本理论及遗传算法理论 | 第28-39页 |
| 3.1 神经网络的基本理论 | 第28-32页 |
| 3.1.1 神经元的组成 | 第28-30页 |
| 3.1.2 神经网络的构成 | 第30-31页 |
| 3.1.3 神经网络的学习方式 | 第31-32页 |
| 3.1.4 神经网络的算法 | 第32页 |
| 3.2 遗传算法理论 | 第32-39页 |
| 3.2.1 遗传算法概述 | 第33页 |
| 3.2.2 染色体编码 | 第33-34页 |
| 3.2.3 群体设定 | 第34页 |
| 3.2.4 适应度函数的计算 | 第34-35页 |
| 3.2.5 遗传操作 | 第35-39页 |
| 4 基于遗传算法和神经网络的牵引逆变器故障诊断系统 | 第39-57页 |
| 4.1 故障特征提取的相关理论 | 第39-44页 |
| 4.1.1 小波分析简介 | 第39-42页 |
| 4.1.2 小波包分析 | 第42-43页 |
| 4.1.3 小波理论在故障诊断中的应用 | 第43-44页 |
| 4.2 CRH2牵引逆变器故障特征参数的提取 | 第44-46页 |
| 4.3 基于遗传算法的神经网络的建立 | 第46-55页 |
| 4.3.1 MATLAB中神经网络的实现 | 第46-47页 |
| 4.3.2 MATLAB中遗传算法的实现 | 第47-48页 |
| 4.3.3 神经网络拓扑结构的确定 | 第48-51页 |
| 4.3.4 神经网络参数的确定 | 第51-55页 |
| 4.4 遗传神经网络的故障诊断 | 第55-57页 |
| 5 CRH2牵引逆变器诊断系统设计 | 第57-64页 |
| 5.1 平台系统的总体设计 | 第57-59页 |
| 5.1.1 平台系统软件设计 | 第57-58页 |
| 5.1.2 平台硬件的选择 | 第58-59页 |
| 5.2 平台系统检测流程 | 第59-60页 |
| 5.3 系统功能的设计 | 第60-63页 |
| 5.3.1 系统功能模块 | 第60-61页 |
| 5.3.2 系统登陆与操作模块设计 | 第61-63页 |
| 5.4 诊断实例 | 第63-64页 |
| 6 总结与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-76页 |
| 攻读学位期间主要的研究成果目录 | 第76-77页 |
| 致谢 | 第77页 |