| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·电机故障诊断的意义 | 第10页 |
| ·电机故障诊断技术的现状 | 第10-12页 |
| ·数据融合技术在国内外研究应用现状 | 第12-16页 |
| ·数据融合技术在国外的发展 | 第12-13页 |
| ·数据融合技术在国内的发展 | 第13-14页 |
| ·数据融合技术在国内外的应用领域现状 | 第14-16页 |
| ·电机故障诊断中应用数据融合技术的意义 | 第16-17页 |
| ·论文的主要研究内容和结构 | 第17-18页 |
| 2 电机故障机理分析 | 第18-31页 |
| ·引言 | 第18页 |
| ·电机噪声故障机理分析 | 第18-21页 |
| ·电机振动故障机理分析 | 第21-23页 |
| ·其它常见故障机理分析 | 第23-30页 |
| ·定子绕组故障机理分析 | 第23-24页 |
| ·转子绕组故障机理分析 | 第24-26页 |
| ·转子偏心故障机理分析 | 第26-29页 |
| ·轴承故障机理分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 基于 D-S 理论的电机故障诊断数据融合方法 | 第31-39页 |
| ·引言 | 第31-32页 |
| ·D-S 证据理论 | 第32-35页 |
| ·D-S 证据理论的概念 | 第32-34页 |
| ·D-S 证据理论的组合规则 | 第34页 |
| ·D-S 证据理论的推理过程 | 第34-35页 |
| ·应用D-S 证据理论的故障诊断算例分析 | 第35-38页 |
| ·应用中发现D-S 证据理论存在的问题 | 第38页 |
| ·本章小结 | 第38-39页 |
| 4 基于 BP 神经网络的电机故障诊断系统 | 第39-54页 |
| ·感应电动机实验检测系统 | 第39-41页 |
| ·感应电动机噪声的测量 | 第40-41页 |
| ·感应电动机振动的测量 | 第41页 |
| ·实验测试数据的初步处理 | 第41-45页 |
| ·实验数据的功率谱分析(Power Spectral Analysis) | 第41-44页 |
| ·实验数据的相干分析 | 第44-45页 |
| ·时域和频域故障特征参量的提取 | 第45-49页 |
| ·时域故障特征提取 | 第45-47页 |
| ·频域故障特征提取 | 第47-49页 |
| ·利用BP 神经网络进行局部诊断 | 第49-53页 |
| ·原理分析 | 第49-50页 |
| ·基于神经网络电机故障诊断方法 | 第50-51页 |
| ·利用 BP 神经网络进行局部诊断 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 5 基于 D-S 理论和 BP 网络相结合的电机故障诊断技术研究 | 第54-61页 |
| ·引言 | 第54页 |
| ·数据融合电机故障诊断系统 | 第54-55页 |
| ·利用D-S 证据理论进行全局融合诊断 | 第55-60页 |
| ·本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-62页 |
| ·论文总结 | 第61页 |
| ·工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表论文及参与项目 | 第66-67页 |
| 一、发表论文情况 | 第66页 |
| 二、参与项目 | 第66-67页 |
| 致谢 | 第67页 |