| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 国内外研究现状和分析 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11-13页 |
| 第2章 六相永磁同步电机数学模型建立及矢量控制仿真 | 第13-30页 |
| 2.1 自然坐标系下六相永磁同步电机数学模型 | 第13-15页 |
| 2.2 六相永磁同步电机的坐标变换 | 第15-18页 |
| 2.2.1 6s/2s变换 | 第15-17页 |
| 2.2.2 2s/2r变换 | 第17页 |
| 2.2.3 6s/2r变换 | 第17-18页 |
| 2.3 两相旋转坐标系下的六相永磁同步电机数学模型 | 第18-21页 |
| 2.4 基于 0di(28) 的磁场定向矢量控制 | 第21-22页 |
| 2.5 基于双零序信号注入的PWM算法实现 | 第22-23页 |
| 2.6 六相永磁同步电机矢量控制系统仿真 | 第23-26页 |
| 2.7 仿真结果 | 第26-29页 |
| 2.8 本章小结 | 第29-30页 |
| 第3章 基于小波包分析的故障特征向量提取 | 第30-49页 |
| 3.1 小波分析理论 | 第30-31页 |
| 3.2 小波包分析理论 | 第31-33页 |
| 3.3 故障特征向量的提取 | 第33-34页 |
| 3.4 电机故障仿真 | 第34-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于流形学习的特性向量约简 | 第49-56页 |
| 4.1 流行学习算法 | 第49页 |
| 4.2 常见的流形学习方法 | 第49-51页 |
| 4.3 局部切空间排列算法（LTSA） | 第51-52页 |
| 4.4 基于LTSA算法的故障特性向量降维 | 第52-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 基于最小二乘支持向量机的IGBT故障识别 | 第56-65页 |
| 5.1 统计学习基本理论 | 第56页 |
| 5.2 支持向量机原理 | 第56-59页 |
| 5.2.1 线性支持向量机（SVM） | 第57页 |
| 5.2.2 非线性支持向量机 | 第57-59页 |
| 5.3 最小二乘支持向量机 | 第59-60页 |
| 5.4 最小二乘支持向量机故障诊断 | 第60-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第6章 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录A 训练数据 | 第70-72页 |
| 在学研究成果 | 第72-73页 |
| 致谢 | 第73页 |