基于人工智能的电机匝间耐压检测算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题的背景及意义 | 第10页 |
| ·国内外研究现状 | 第10-13页 |
| ·人工智能故障诊断方法的研究现状 | 第10-12页 |
| ·匝间短路检测方法的国内外研究现状 | 第12-13页 |
| ·电机转子绕组匝间短路故障形式及其原因 | 第13-15页 |
| ·转子匝间短路故障诊断要解决的难点问题 | 第15页 |
| ·本课题的主要工作 | 第15-16页 |
| 第2章 电机转子绕组匝间短路故障机理 | 第16-27页 |
| ·电机转子绕组结构及主要故障类型 | 第16-18页 |
| ·转子绕组的气隙励磁空间分布 | 第18-20页 |
| ·正常状态的气隙磁通的分布 | 第18-19页 |
| ·短路状态的气隙磁通的分布 | 第19-20页 |
| ·微分探测线圈感应电动势的仿真模型 | 第20-26页 |
| ·微分探测线圈的结构和放置 | 第20页 |
| ·微分探测线圈法的原理 | 第20-22页 |
| ·微分探测感应电动势的模型 | 第22-23页 |
| ·气隙励磁磁通密度和电动势仿真信号 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 小波理论在电机匝间短路故障诊断中的应用 | 第27-48页 |
| ·小波变换 | 第27-38页 |
| ·多分辨率分析 | 第27-28页 |
| ·小波变换理论 | 第28-31页 |
| ·小波变换的奇异点检测理论 | 第31-32页 |
| ·应用小波变换消除主磁通干扰信号 | 第32-35页 |
| ·应用小波变换对气隙电动势信号进行仿真分析 | 第35-38页 |
| ·小波包变换 | 第38-47页 |
| ·小波包的子空间分解 | 第38-40页 |
| ·小波包的分解与重构 | 第40页 |
| ·小波包的信号特征提取 | 第40-41页 |
| ·应用小波包变换提取气隙电动势信号的故障信息 | 第41-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 神经网络在匝间短路故障诊断中的应用 | 第48-61页 |
| ·BP 神经网络 | 第48-51页 |
| ·BP 神经网络的结构 | 第48-49页 |
| ·BP 神经网络的原理 | 第49页 |
| ·BP 神经网络训练过程 | 第49-50页 |
| ·BP 神经网络的特点 | 第50-51页 |
| ·BP 神经网络的设计 | 第51-53页 |
| ·输入、输出和隐含层的设计 | 第51页 |
| ·学习样本的确定 | 第51页 |
| ·激励函数的选择 | 第51-52页 |
| ·神经网络算法的选择 | 第52页 |
| ·网络泛化能力提高 | 第52-53页 |
| ·网络训练停止条件 | 第53页 |
| ·应用BP 神经网络建立电机故障诊断系统 | 第53-60页 |
| ·电机故障诊断BP 神经网络的建立 | 第53-58页 |
| ·网络训练及结果分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 基于MATLAB 的转子故障仿真 | 第61-71页 |
| ·MATLAB 仿真及分析 | 第61页 |
| ·图形用户界面的设计工具MATLAB/GUI | 第61-62页 |
| ·MATLAB GUI 简介 | 第61页 |
| ·GUI 设计原则 | 第61-62页 |
| ·GUI 设计流程 | 第62页 |
| ·MATLAB 用户界面 | 第62-65页 |
| ·GUI 界面的创建 | 第62-63页 |
| ·GUI 的M 文件 | 第63-64页 |
| ·GUI 控件响应程序 | 第64-65页 |
| ·电机故障诊断系统的实现 | 第65-70页 |
| ·系统程序设计方案 | 第65页 |
| ·微分变换算法的实现 | 第65-66页 |
| ·小波去噪算法的实现 | 第66-67页 |
| ·小波变换算法的实现 | 第67-68页 |
| ·小波包提取故障特征向量的实现 | 第68-69页 |
| ·神经网络算法的实现 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间发表的论文 | 第75-76页 |
| 致谢 | 第76页 |
