| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第12-20页 |
| 1.1 课题研究的背景和意义 | 第12-13页 |
| 1.2 故障诊断技术研究现状及常用方法 | 第13-14页 |
| 1.3 电力电子整流装置故障诊断方法 | 第14-17页 |
| 1.3.1 故障诊断的基本思想 | 第14-15页 |
| 1.3.2 电力电子整流装置的故障特点 | 第15页 |
| 1.3.3 电力电子整流装置故障诊断方法的研究现状 | 第15-17页 |
| 1.4 本文研究内容及工作安排 | 第17-20页 |
| 2 三相全控整流电路建模及故障分析 | 第20-30页 |
| 2.1 整流电路的选择 | 第20页 |
| 2.2 三相全控整流电路的工作特性 | 第20-22页 |
| 2.3 三相全控整流电路模型搭建 | 第22-25页 |
| 2.3.1 SIMULINK简介 | 第22-23页 |
| 2.3.2 仿真前期工作 | 第23页 |
| 2.3.3 仿真模型 | 第23-25页 |
| 2.4 三相全控整流电路故障模式 | 第25-29页 |
| 2.4.1 故障编码 | 第25-27页 |
| 2.4.2 搭建故障仿真模型 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于小波包分析的三相全控整流电路故障诊断 | 第30-44页 |
| 3.1 几种傅里叶变换的比较 | 第30-33页 |
| 3.1.1 傅里叶变换原理 | 第30页 |
| 3.1.2 快速傅里叶变换原理 | 第30-33页 |
| 3.2 小波包分析理论的发展过程 | 第33-37页 |
| 3.2.1 小波变换的定义 | 第34-35页 |
| 3.2.2 多分辨率分析 | 第35-36页 |
| 3.2.3 小波包分析 | 第36-37页 |
| 3.3 三相全控整流电路的特征提取 | 第37-42页 |
| 3.3.1 信号的预处理 | 第37-38页 |
| 3.3.2 用小波包分析提取电路的故障特征 | 第38-41页 |
| 3.3.3 故障信号的能量分布 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 4 基于BP神经网络的故障诊断 | 第44-58页 |
| 4.1 人工神经网络知识概况 | 第44-45页 |
| 4.2 BP神经网络概述 | 第45-49页 |
| 4.2.1 BP神经网络拓扑结构 | 第45-46页 |
| 4.2.2 BP神经网络的算法及流程 | 第46-49页 |
| 4.2.3 BP神经网络的设计 | 第49页 |
| 4.3 基于BP神经网络的故障诊断 | 第49-56页 |
| 4.3.1 神经网络于MATLAB中的训练 | 第49-52页 |
| 4.3.2 仿真结果及验证分析 | 第52-56页 |
| 4.4 BP网络的局限性 | 第56页 |
| 4.5 本章小结 | 第56-58页 |
| 5 Elman神经网络在故障诊断中的应用 | 第58-66页 |
| 5.1 Elman神经网络概述 | 第58-60页 |
| 5.1.1 Elman神经网络结构 | 第58-59页 |
| 5.1.2 Elman神经网络学习算法过程 | 第59-60页 |
| 5.2 基于Elman神经网络的故障识别 | 第60-65页 |
| 5.2.1 Elman网络模型的建立 | 第60-61页 |
| 5.2.2 基于MATLAB神经网络的训练 | 第61-62页 |
| 5.2.3 仿真实验结果及其对比分析 | 第62-65页 |
| 5.3 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者简介及读研期间主要科研成果 | 第74页 |