| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-12页 |
| ·选题的意义 | 第8-9页 |
| ·电机诊断技术的发展现状 | 第9-10页 |
| ·论文主要研究内容 | 第10-12页 |
| 2 异步电动机的工作原理和常见故障诊断 | 第12-19页 |
| ·异步电动机的组成 | 第12页 |
| ·异步电动机工作原理 | 第12页 |
| ·异步电动机常见故障 | 第12-14页 |
| ·定子故障 | 第13页 |
| ·转子故障 | 第13-14页 |
| ·轴承故障 | 第14页 |
| ·基于定子电流法的故障诊断 | 第14-16页 |
| ·定子电流诊断转子断条的原理 | 第14-15页 |
| ·定子电流诊断气隙偏心的原理 | 第15页 |
| ·常用的其他检测方法 | 第15-16页 |
| ·异步电动机出现故障时电磁振动特性 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 3 粗糙集理论 | 第19-29页 |
| ·前言 | 第19页 |
| ·粗糙集基本理论 | 第19-22页 |
| ·知识的不可分辨关系 | 第19-20页 |
| ·粗糙集的定义 | 第20-21页 |
| ·知识的约简和核 | 第21页 |
| ·属性的依赖性 | 第21-22页 |
| ·属性的重要性 | 第22页 |
| ·基于粗糙集理论的故障诊断方法 | 第22-23页 |
| ·基于粗糙集理论对所得到的故障信息的处理 | 第23-28页 |
| ·本章小结 | 第28-29页 |
| 4 异步电动机的振动特性和硬件设计 | 第29-38页 |
| ·异步电动机振动特性的研究 | 第29-31页 |
| ·实验的硬件结构 | 第31-37页 |
| ·传感器 | 第31-33页 |
| ·数据采集卡 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 5 基于粗糙集与支持向量机的异步电动机转子故障诊断 | 第38-55页 |
| ·最优分类超平面 | 第38-40页 |
| ·线性可分最优超平面的求取 | 第38-40页 |
| ·线性不可分情况下最优超平面的求取 | 第40页 |
| ·支持向量机 | 第40-43页 |
| ·高维空间的最优分类超平面 | 第40-41页 |
| ·分类支持向量机 | 第41-42页 |
| ·支持向量机的核函数 | 第42页 |
| ·支持向量机的多分类问题 | 第42-43页 |
| ·应用神经网络进行异步电动机转子故障诊断 | 第43-45页 |
| ·支持向量机与神经网络的比较 | 第43页 |
| ·应用Matlab中的神经网络工具箱对已得数据进行分类 | 第43-45页 |
| ·基于粗糙集与支持向量机的异步电动机转子故障诊断 | 第45-47页 |
| ·Libsvm工具箱主要参数介绍 | 第46页 |
| ·应用支持向量机对异步电动机转子故障诊断 | 第46-47页 |
| ·多分类器的构造 | 第47-54页 |
| ·分类器的训练 | 第47-49页 |
| ·分类器的测试 | 第49-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60-61页 |