基于数据融合的异步电机故障诊断方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·异步电机故障诊断的研究意义及国内外现状 | 第10-12页 |
| ·异步电机故障诊断的研究意义 | 第10-11页 |
| ·异步电机故障诊断的国内外现状 | 第11-12页 |
| ·数据融合技术的研究意义及国内外现状 | 第12-13页 |
| ·数据融合技术的研究意义 | 第12页 |
| ·数据融合的国内外现状 | 第12-13页 |
| ·本课题的研究目的和意义 | 第13-15页 |
| ·本课题的研究目的 | 第13-14页 |
| ·本课题的研究意义 | 第14-15页 |
| ·论文的主要内容及安排 | 第15-18页 |
| 第二章 异步电机故障机理分析 | 第18-28页 |
| ·引言 | 第18页 |
| ·异步电机常见故障类型 | 第18-22页 |
| ·异步电机故障典型征兆 | 第22-26页 |
| ·基于机座振动的异步电机故障诊断 | 第22-25页 |
| ·基于定子电流的异步电机故障诊断 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 数据融合及在异步电机故障诊断中的应用 | 第28-38页 |
| ·引言 | 第28-29页 |
| ·数据融合技术的基本理论 | 第29-34页 |
| ·基于数据融合技术的异步电机故障诊断系统 | 第34-37页 |
| ·系统的整体结构 | 第35页 |
| ·系统的工作原理 | 第35-36页 |
| ·系统的算例分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于BP神经网络的数据融合故障诊断方法 | 第38-62页 |
| ·引言 | 第38页 |
| ·误差反向传播神经网络(BP) | 第38-46页 |
| ·BP神经网络结构 | 第38-40页 |
| ·BP网络学习算法描述 | 第40-43页 |
| ·BP网络存在的问题 | 第43-44页 |
| ·BP算法的改进 | 第44-46页 |
| ·BP神经网络融合方法应用于异步电机故障诊断 | 第46-61页 |
| ·原理分析 | 第46-48页 |
| ·异步电机常见故障诊断实例分析 | 第48-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 基于D-S证据理论的数据融合故障诊断方法 | 第62-78页 |
| ·引言 | 第62页 |
| ·D-S证据的理论基础 | 第62-70页 |
| ·基本概念 | 第62-65页 |
| ·融合规则 | 第65-66页 |
| ·融合过程 | 第66-69页 |
| ·故障诊断中的融合原理 | 第69-70页 |
| ·D-S证据理论在电机故障诊断中的应用 | 第70-77页 |
| ·构造识别框架θ | 第71页 |
| ·确定证据体E | 第71-72页 |
| ·基本可信度函数的构造 | 第72-73页 |
| ·异步电机诊断实例分析 | 第73-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 基于数据融合的综合故障诊断方法 | 第78-90页 |
| ·引言 | 第78-79页 |
| ·综合诊断过程功能模型 | 第79-81页 |
| ·基于BP神经网络的局部诊断过程 | 第79-80页 |
| ·基于D-S证据理论的全局诊断过程 | 第80-81页 |
| ·数据融合综合诊断在异步电机故障诊断中的实例分析 | 第81-88页 |
| ·基于BP网络的局部诊断实例 | 第82-86页 |
| ·基于D-S证据的全局诊断实例 | 第86-88页 |
| ·本章小结 | 第88-90页 |
| 第七章 全文总结 | 第90-92页 |
| 参考文献 | 第92-96页 |
| 附录 | 第96-98页 |
| 致谢 | 第98-99页 |
| 攻读硕士期间发表的学术论文 | 第99页 |
