| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-19页 |
| ·异步电动机故障诊断的研究意义 | 第11-12页 |
| ·设备故障诊断技术概述 | 第12-13页 |
| ·设备诊断技术的概念 | 第12页 |
| ·设备故障诊断过程 | 第12-13页 |
| ·电机故障诊断的研究现状和发展趋势 | 第13-15页 |
| ·电机故障的现代诊断方法 | 第15-18页 |
| ·本文的主要研究内容和工作 | 第18-19页 |
| 第二章 异步电动机故障机理分析及信号采集 | 第19-33页 |
| ·异步电动机的工作特性 | 第19-20页 |
| ·异步电动机故障诊断与检测方法 | 第20-28页 |
| ·电机故障诊断常用技术 | 第28页 |
| ·异步电动机故障信号的采集 | 第28-30页 |
| ·小结 | 第30-33页 |
| 第三章 小波包分析在电机故障诊断中的应用 | 第33-47页 |
| ·小波变换 | 第33-42页 |
| ·短时傅里叶变换到小波变换 | 第33-38页 |
| ·多分辨率分析 | 第38-40页 |
| ·小波包分析 | 第40-42页 |
| ·小波变换在电机故障诊断中的应用 | 第42-44页 |
| ·信号奇异性检测 | 第42页 |
| ·信号的小波包降噪 | 第42-44页 |
| ·小结 | 第44-47页 |
| 第四章 电机故障特征信息的提取 | 第47-65页 |
| ·信号和噪声的分离技术 | 第47-48页 |
| ·小波包能量检测技术 | 第48-50页 |
| ·小波包能量谱 | 第48-49页 |
| ·提取小波包能量步骤 | 第49-50页 |
| ·振动信号的故障特征值提取 | 第50-57页 |
| ·定子电流信号的故障特征提取 | 第57-63页 |
| ·小结 | 第63-65页 |
| 第五章 神经网络的异步电机故障诊断 | 第65-87页 |
| ·人工神经网络简述 | 第65-67页 |
| ·ELMAN神经网络 | 第67-73页 |
| ·ELMAN神经网络的基本结构 | 第68-69页 |
| ·ELMAN神经网络的数学模型 | 第69页 |
| ·改进的ELMAN神经网络 | 第69-73页 |
| ·粒子群优化算法 | 第73-75页 |
| ·粒子群算法的基本原理 | 第73-74页 |
| ·粒子群算法流程 | 第74-75页 |
| ·基于PSO算法的改进型ELMAN网络混合优化设计 | 第75-77页 |
| ·基于PSO-ELMAN混合优化的异步电机故障诊断 | 第77-81页 |
| ·电机故障诊断ELMAN网络的设计 | 第77-78页 |
| ·仿真实验与比较 | 第78-81页 |
| ·异步电机故障诊断的软件设计 | 第81-85页 |
| ·MATLAB与VB的接口实现 | 第81-82页 |
| ·电机故障诊断软件的实现过程 | 第82-85页 |
| ·小结 | 第85-87页 |
| 第六章 总结与展望 | 第87-89页 |
| ·全文总结 | 第87-88页 |
| ·展望 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 致谢 | 第93-94页 |
| 攻读学位期间发表的学术论文 | 第94页 |