| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 贯通同相供电系统的研究背景和发展前景 | 第11-13页 |
| 1.1.2 贯通同相供电系统故障识别的研究意义 | 第13页 |
| 1.2 课题研究现状 | 第13-15页 |
| 1.3 本文主要研究内容 | 第15-17页 |
| 第二章 贯通同相供电系统建模及故障仿真 | 第17-31页 |
| 2.1 贯通同相牵引供电系统主要结构 | 第17-19页 |
| 2.2 雷电流模型 | 第19-21页 |
| 2.3 系统仿真 | 第21-29页 |
| 2.3.1 贯通同相牵引供电系统仿真 | 第21-23页 |
| 2.3.2 故障仿真分析 | 第23-27页 |
| 2.3.3 仿真设计 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于EEMD与神经网络故障识别方法 | 第31-59页 |
| 3.1 引言 | 第31页 |
| 3.2 EEMD基本理论 | 第31-34页 |
| 3.3 BP神经网络和Elman神经网络 | 第34-38页 |
| 3.3.1 BP神经网络基本理论和数学模型 | 第34-36页 |
| 3.3.2 BP神经网络学习流程 | 第36页 |
| 3.3.3 Elman神经网络 | 第36-38页 |
| 3.4 特征向量提取 | 第38-39页 |
| 3.4.1 能量与相关系数特征向量提取 | 第38-39页 |
| 3.4.2 近似熵特征向量提取 | 第39页 |
| 3.5 故障仿真 | 第39-58页 |
| 3.5.1 信号处理和特征向量求取 | 第40-45页 |
| 3.5.2 BP神经网络训练与故障测试 | 第45-49页 |
| 3.5.3 Elman神经网络训练与故障测试 | 第49-54页 |
| 3.5.4 增加样本数BP神经网络与Elman神经网络仿真分析 | 第54-56页 |
| 3.5.5 不同特征向量与BP网络和Elman网络结合的识别结果比较 | 第56-58页 |
| 3.6 本章小结 | 第58-59页 |
| 第四章 基于ESMD与SVM的故障识别方法 | 第59-83页 |
| 4.1 引言 | 第59页 |
| 4.2 ESMD方法与SVM方法基本原理 | 第59-71页 |
| 4.2.1 ESMD方法简介 | 第59-62页 |
| 4.2.2 EEMD和ESMD分解效果比较 | 第62-69页 |
| 4.2.3 SVM方法原理 | 第69-71页 |
| 4.3 仿真实验步骤与结果 | 第71-81页 |
| 4.3.1 信号的处理和特征量向量提取 | 第72-74页 |
| 4.3.2 支持向量机分类实验与结果分析 | 第74-81页 |
| 4.4 本章小结 | 第81-83页 |
| 第五章 基于ESMD与支持向量机的过零点故障识别方法 | 第83-99页 |
| 5.1 引言 | 第83页 |
| 5.2 电压过零点故障识别方法与仿真 | 第83-96页 |
| 5.2.1 电压过零点故障检测方法原理 | 第83-84页 |
| 5.2.2 电压过零点暂态信号分析 | 第84-90页 |
| 5.2.3 ESMD处理信号 | 第90-94页 |
| 5.2.4 电压过零点故障仿真与结果分析 | 第94-96页 |
| 5.3 本章小结 | 第96-99页 |
| 第六章 总结与展望 | 第99-101页 |
| 6.1 工作总结 | 第99-100页 |
| 6.2 展望 | 第100-101页 |
| 致谢 | 第101-103页 |
| 参考文献 | 第103-107页 |
| 附录(攻读硕士学位期间发表的论文专利) | 第107页 |
