| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究背景和意义 | 第12-13页 |
| 1.2 GIS机械故障研究现状 | 第13-16页 |
| 1.2.1 机械故障诊断的主要内容 | 第13-14页 |
| 1.2.2 GIS故障诊断方法 | 第14-16页 |
| 1.3 变分模态分解算法的研究现状 | 第16页 |
| 1.4 本文的主要内容 | 第16-18页 |
| 第二章 GIS振动信号模态分解算法研究 | 第18-40页 |
| 2.1 GIS异常振动信号分析及测试 | 第18-20页 |
| 2.1.1 GIS异常振动信号分析 | 第18-19页 |
| 2.1.2 GIS异常振动信号测试 | 第19-20页 |
| 2.2 变分模态分解(VMD) | 第20-27页 |
| 2.2.1 变分模态分解原理 | 第20-22页 |
| 2.2.2 变分模态分解算法性能研究 | 第22-26页 |
| 2.2.3 变分模态分解仿真验证 | 第26-27页 |
| 2.3 混沌布谷鸟优化算法 | 第27-35页 |
| 2.3.1 布谷鸟优化算法的理论框架 | 第28-31页 |
| 2.3.2 混沌布谷鸟优化算法的思想 | 第31-33页 |
| 2.3.3 混沌布谷鸟优化算法的数值仿真 | 第33-35页 |
| 2.4 基于混沌布谷鸟算法优化VMD参数的GIS异常振动信号模态分解 | 第35-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第三章 GIS振动信号特征提取与模式识别 | 第40-50页 |
| 3.1 GIS模拟实验平台 | 第40-41页 |
| 3.2 GIS振动信号特征向量的构造 | 第41-43页 |
| 3.2.1 VMD能量熵 | 第41-42页 |
| 3.2.2 均方根值 | 第42-43页 |
| 3.3 基于线性递减权重PSO-K-means聚类的GIS机械故障诊断 | 第43-49页 |
| 3.3.1 线性递减权重PSO-K-means聚类 | 第43-47页 |
| 3.3.2 GIS故障模式识别 | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 基于异常振动分析的GIS机械故障诊断软硬件系统设计 | 第50-64页 |
| 4.1 GIS机械故障硬件系统设计 | 第50-52页 |
| 4.1.1 数据采集系统硬件设计 | 第50-51页 |
| 4.1.2 信号输出系统硬件设计 | 第51-52页 |
| 4.1.3 硬件系统总体结构 | 第52页 |
| 4.2 GIS机械故障软件系统设计 | 第52-60页 |
| 4.2.1 软件系统总体模块化的设计 | 第53-54页 |
| 4.2.2 数据采集模块设计 | 第54-56页 |
| 4.2.3 数据分析模块设计 | 第56-58页 |
| 4.2.4 数据存储模块 | 第58-59页 |
| 4.2.5 数据检索模块 | 第59-60页 |
| 4.3 GIS机械故障监测系统现场测试 | 第60-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 结论与展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间发表的学术论文 | 第71-72页 |
| 学位论文评阅及答辩情况表 | 第72页 |
