风力发电系统中变流器故障的智能诊断算法研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-17页 |
| ·课题研究的目的和意义 | 第12页 |
| ·故障诊断技术的研究现状 | 第12-15页 |
| ·风电系统变流器故障诊断的研究现状 | 第15-16页 |
| ·本论文的研究内容 | 第16-17页 |
| 第2章 风电系统变流器故障模拟及特征提取 | 第17-31页 |
| ·引言 | 第17页 |
| ·直驱式永磁同步风电系统故障的仿真模拟 | 第17-22页 |
| ·直驱式永磁同步风电系统简介 | 第17-18页 |
| ·直驱式永磁同步风电系统建模 | 第18-19页 |
| ·风电系统变流器故障分析 | 第19页 |
| ·故障类型模拟 | 第19-22页 |
| ·基于小波包的故障特征提取 | 第22-30页 |
| ·多分辨率分析的理论 | 第22-24页 |
| ·小波包的定义 | 第24-25页 |
| ·小波包的空间分解 | 第25-26页 |
| ·小波包的算法 | 第26页 |
| ·变流器故障特征的提取步骤 | 第26-30页 |
| ·本章小节 | 第30-31页 |
| 第3章 基于支持向量机的故障诊断 | 第31-45页 |
| ·引言 | 第31页 |
| ·统计学习的基本理论 | 第31-34页 |
| ·学习问题的基本模型 | 第31-32页 |
| ·VC维的定义 | 第32页 |
| ·推广性的界 | 第32-33页 |
| ·结构风险最小化的原则 | 第33-34页 |
| ·支持向量机的基本问题 | 第34-37页 |
| ·核函数参数的选择 | 第37-38页 |
| ·RBF核SVM参数的性质和选择 | 第38页 |
| ·支持向量机模型的范化能力估计 | 第38-39页 |
| ·基于SVM的故障诊断流程 | 第39-43页 |
| ·训练集和测试集的选定 | 第39-40页 |
| ·数据的归一化处理 | 第40-42页 |
| ·仿真参数选择及仿真结果 | 第42-43页 |
| ·本章小节 | 第43-45页 |
| 第4章 智能算法对支持向量机参数的优化 | 第45-59页 |
| ·引言 | 第45页 |
| ·遗传算法(GA) | 第45-48页 |
| ·遗传算法的基本原理 | 第45-46页 |
| ·遗传算法中常用算子的介绍 | 第46页 |
| ·遗传算法优化SVM的流程 | 第46-48页 |
| ·粒子群算法(PSO) | 第48-54页 |
| ·基本粒子群优化算法 | 第48-50页 |
| ·标准粒子群算法 | 第50页 |
| ·改进的粒子群算法 | 第50-52页 |
| ·粒子群优化SVM的参数选择方法 | 第52-54页 |
| ·仿真分析 | 第54-58页 |
| ·遗传算法优化SVM的仿真结果 | 第54-55页 |
| ·粒子群算法优化SVM的仿真结果 | 第55-58页 |
| ·本章小节 | 第58-59页 |
| 结论与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第65-66页 |
| 附录B 攻读学位期间课题资助项目 | 第66页 |
