| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-10页 |
| ·故障诊断技术概述 | 第10-14页 |
| ·故障诊断方法 | 第11-13页 |
| ·基于解析模型的方法 | 第11-12页 |
| ·基于信号处理的方法 | 第12页 |
| ·基于知识的方法 | 第12-13页 |
| ·几种诊断方法的比较 | 第13-14页 |
| ·本文主要工作 | 第14-15页 |
| ·论文安排 | 第15-16页 |
| 第二章 基于人工神经网络故障检测与诊断 | 第16-24页 |
| ·人工神经网络的发展过程与特点 | 第16-18页 |
| ·神经网络研究的发展 | 第16-17页 |
| ·神经网络的主要特点 | 第17-18页 |
| ·人工神经网络在故障检测与诊断中的应用 | 第18-19页 |
| ·故障诊断中应用的人工神经网络比较 | 第19-23页 |
| ·基于BP神经网络的故障诊断 | 第20-21页 |
| ·基于RBF神经网络的故障诊断 | 第21页 |
| ·基于自组织特征映射(SOFM)神经网络的故障诊断 | 第21-22页 |
| ·基于hopfield神经网络的故障诊断 | 第22页 |
| ·基于模糊神经网络的故障珍断 | 第22页 |
| ·基于小波分析与神经网络结合的故障诊断 | 第22页 |
| ·本文采用网络 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 BP神经网络在电力电子装置故障诊断应用中的几个问题研究 | 第24-38页 |
| ·电力电子装置的故障模式 | 第24页 |
| ·BP神经网络结构 | 第24-25页 |
| ·BP神经网络结构的选择 | 第25页 |
| ·BP神经网络算法与改进 | 第25-37页 |
| ·BP学习算法 | 第25-30页 |
| ·BP学习算法流程 | 第30-31页 |
| ·BP网络的收敛问题 | 第31页 |
| ·BP学习算法的改进 | 第31-37页 |
| ·加快网络收敛速度的措施 | 第31-36页 |
| ·网络局部极小问题的解决 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 仿真研究实例 | 第38-68页 |
| ·实例故障模式分析 | 第38-39页 |
| ·样本数据及检验数据的采集处理 | 第39-56页 |
| ·样本数据与检验数据的采集 | 第39-56页 |
| ·样本数据与检验数据的归一化处理 | 第56页 |
| ·不同参数值对训练神经网络的影响 | 第56-65页 |
| ·初始权值的变化对训练神经网络的影响 | 第56-58页 |
| ·学习率初始值的变化对训练神经网络的影响 | 第58-63页 |
| ·隐含层单元数的变化对训练神经网络的影响 | 第63-65页 |
| ·确定神经网络模型结构及其检验 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 故障诊断系统的硬件实现 | 第68-76页 |
| ·数字信号处理器简介 | 第68-70页 |
| ·神经网络在DSP中的实现 | 第70-75页 |
| ·系统的总体设计方案 | 第70-72页 |
| ·芯片选取及外围电路的设计 | 第72-75页 |
| ·DSP芯片选取 | 第72页 |
| ·放大块的选取 | 第72页 |
| ·串口通信模块 | 第72-73页 |
| ·采集卡的电路结构 | 第73-74页 |
| ·仿真接口设计 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间参加的研究项目、发表的学术论文 | 第82-83页 |
| 致谢 | 第83页 |