信息融合技术在机车牵引电机故障诊断中的应用研究
| 第一章 绪论 | 第1-15页 |
| ·课题背景及意义 | 第8-9页 |
| ·电机故障诊断技术概述 | 第9-13页 |
| ·电机故障诊断的性质和过程 | 第9-11页 |
| ·目前电机故障诊断常用的方法及存在的问题 | 第11页 |
| ·基于信息融合技术的故障诊断及国内外研究现状 | 第11-13页 |
| ·电机故障诊断领域中引入信息融合技术的意义 | 第13页 |
| ·论文的研究内容 | 第13-15页 |
| 第二章 牵引电机信息时空融合诊断模型的设计 | 第15-27页 |
| ·信息融合的基本原理 | 第15-16页 |
| ·基于信息时空融合的故障诊断模型 | 第16-19页 |
| ·融合模型的概述 | 第16-17页 |
| ·基于信息时空融合的集成神经网络诊断模型 | 第17-19页 |
| ·时空融合诊断模型中的信息分配 | 第19-20页 |
| ·时空融合诊断模型中的神经网络 | 第20-24页 |
| ·反向传播网络(BP网络)的诊断原理 | 第20页 |
| ·融合神经网络的实现过程 | 第20-21页 |
| ·融合神经网络各层节点数的确定 | 第21-22页 |
| ·神经网络的算法 | 第22-24页 |
| ·信息时空融合中的决策融合算法 | 第24-26页 |
| ·决策融合算法比较 | 第24-25页 |
| ·D-S证据理论的基本原理 | 第25-26页 |
| ·证据的结合 | 第26页 |
| ·小结 | 第26-27页 |
| 第三章 DJ_1牵引电机的故障机理及故障信号处理 | 第27-36页 |
| ·DJ_1型机车牵引电机故障形式和机理研究 | 第27-29页 |
| ·DJ_1机车介绍 | 第27-28页 |
| ·DJ_1牵引电机常见故障及机理研究 | 第28-29页 |
| ·故障信号的采集 | 第29页 |
| ·故障信号的特征提取 | 第29-35页 |
| ·基于时域的特征提取 | 第30-31页 |
| ·基于小波分析的特征提取 | 第31-34页 |
| ·特征提取实例与仿真 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第四章 基于信息时空融合的牵引电机诊断 | 第36-51页 |
| ·牵引电机信息时空融合的总体框架 | 第36-37页 |
| ·融合框架中诊断神经网络的设计与实现 | 第37-39页 |
| ·诊断神经网络个数的确定 | 第37页 |
| ·诊断神经网络的构成 | 第37页 |
| ·诊断神经网络训练参数的选择 | 第37-38页 |
| ·诊断神经网络的训练与仿真 | 第38-39页 |
| ·融合框架中证据理论基本概率赋值的计算 | 第39-41页 |
| ·距离和相关性度量 | 第39-40页 |
| ·基本概率分配函数的构造 | 第40-41页 |
| ·机车牵引电机诊断实例 | 第41-50页 |
| ·数据采集及特征提取 | 第41-44页 |
| ·诊断实例 | 第44-49页 |
| ·结果分析 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第五章 DJ_1机车牵引电机故障诊断系统的研制 | 第51-60页 |
| ·硬件系统设计 | 第51-55页 |
| ·数据采集系统框图 | 第51-52页 |
| ·数据采集系统电路和上位机 | 第52-55页 |
| ·软件系统设计 | 第55-59页 |
| ·数据采集系统软件 | 第55-58页 |
| ·上位机软件 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第六章 结论与展望 | 第60-62页 |
| ·论文的主要结论 | 第60-61页 |
| ·未来工作的展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间主要的研究成果 | 第66页 |
