| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 逆变器故障诊断技术研究现状 | 第9-13页 |
| 1.3 本文的主要研究内容及结构安排 | 第13-15页 |
| 2 基于小波变换的故障特征向量提取 | 第15-25页 |
| 2.1 逆变器IGBT开路故障模式 | 第15-16页 |
| 2.2 物理实验数据获取 | 第16-18页 |
| 2.3 基于小波变换的逆变器IGBT故障特征向量提取 | 第18-23页 |
| 2.4 本章小结 | 第23-25页 |
| 3 逆变器IGBT故障模式分类方法 | 第25-42页 |
| 3.1 基于人工神经网络的逆变器IGBT开路故障模式分类 | 第26-33页 |
| 3.2 基于支持向量机的IGBT开路故障模式分类 | 第33-38页 |
| 3.3 基于决策树的IGBT开路故障分类 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 4 证据理论及其在逆变器IGBT故障模式分类中的应用 | 第42-51页 |
| 4.1 D-S证据理论 | 第42-45页 |
| 4.2 D-S组合规则的改进 | 第45-47页 |
| 4.3 证据理论在逆变器IGBT故障模式分类中的应用 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 全文工作总结 | 第51页 |
| 5.2 下一步工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录1 攻读硕士期间发表的论文 | 第59页 |
