智能真空断路器振动信号的在线监测与故障诊断
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 引言 | 第9-19页 |
| ·选题背景及意义 | 第9-10页 |
| ·国内外发展概况 | 第10-13页 |
| ·ABB iVD4智能真空断路器发展情况 | 第13-17页 |
| ·iVD4智能真空断路器结构与特点 | 第13-16页 |
| ·iVD4智能真空断路器V1.0 版本 | 第16-17页 |
| ·iVD4智能真空断路器V2.0 版本 | 第17页 |
| ·本文的研究内容及章节安排 | 第17-19页 |
| 第二章 振动信号的采集 | 第19-29页 |
| ·传感器的选择与安装 | 第19-23页 |
| ·传感器技术参数 | 第19-20页 |
| ·压电加速传感器原理 | 第20-21页 |
| ·传感器的安装方式 | 第21-22页 |
| ·传感器的安装位置 | 第22-23页 |
| ·振动信号采集系统硬件设计 | 第23-26页 |
| ·信号采集触发电路 | 第24页 |
| ·信号调理电路 | 第24-25页 |
| ·微控制器芯片 | 第25-26页 |
| ·通信模块 | 第26页 |
| ·振动信号采集系统软件设计 | 第26-28页 |
| ·VD4真空断路器机械故障类型 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第三章 信号处理与特征量提取 | 第29-51页 |
| ·Hilbert变换及Hilbert边际谱 | 第29-33页 |
| ·EMD原理 | 第29-32页 |
| ·Hilbert变换与Hilbert边际谱 | 第32-33页 |
| ·Hilbert边际谱的仿真研究与特征提取 | 第33-35页 |
| ·Hilbert边际谱与FFT的仿真对比 | 第33-34页 |
| ·Hilbert边际谱能量法 | 第34-35页 |
| ·振动信号特征量提取 | 第35-40页 |
| ·分闸振动信号Hilbert边际谱分析 | 第35-37页 |
| ·合闸振动信号Hilbert边际谱分析 | 第37-39页 |
| ·振动信号特征量 | 第39-40页 |
| ·振动信号特征量知识库的建立 | 第40-50页 |
| ·分闸过程振动信号特征量知识库 | 第41-46页 |
| ·合闸过程振动信号特征量知识库 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 ELM极限学习机及故障诊断分类 | 第51-65页 |
| ·ELM极限学习机原理 | 第51-54页 |
| ·与传统单隐含层前馈神经网络的比较 | 第51页 |
| ·极限学习机算法 | 第51-54页 |
| ·基于ELM的iVD4智能真空断路器故障诊断 | 第54-64页 |
| ·ELM网络结构参数的确定 | 第54-56页 |
| ·ELM网络训练与故障诊断 | 第56-58页 |
| ·分闸过程ELM网络训练与故障诊断 | 第58-61页 |
| ·合闸过程ELM网络训练与故障诊断 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 在线监测与故障诊断系统软件设计 | 第65-72页 |
| ·软件开发平台介绍 | 第65页 |
| ·软件总体结构介绍 | 第65-66页 |
| ·数据采集模块 | 第66-68页 |
| ·数据处理模块与数据显示模块 | 第68-70页 |
| ·数据管理模块 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 个人简历及在学期间研究成果 | 第79-80页 |
