| 摘要 | 第1-8页 |
| Abstract | 第8-13页 |
| 第1章 绪论 | 第13-20页 |
| ·课题研究背景 | 第13页 |
| ·远程故障诊断的意义 | 第13-14页 |
| ·远程故障诊断系统的发展状况 | 第14-17页 |
| ·故障诊断技术及应用特点 | 第17-18页 |
| ·本文研究内容 | 第18-20页 |
| 第2章 基于卫星通讯的船舶远程故障诊断系统结构的研究 | 第20-28页 |
| ·远程故障诊断系统的基本框架 | 第20-23页 |
| ·基于C/S(Client/Server)的体系结构 | 第20-21页 |
| ·基于B/S(Browser/Server)的体系结构 | 第21-22页 |
| ·多层混合模式的体系结构 | 第22-23页 |
| ·远程故障诊断系统的网络数据处理技术 | 第23-24页 |
| ·船舶远程故障诊断系统的基本结构框架 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 异步电机的故障诊断技术 | 第28-43页 |
| ·异步电机的故障诊断技术 | 第28-39页 |
| ·基于参数辨识的方法 | 第28-29页 |
| ·振动诊断方法 | 第29-30页 |
| ·温度监测诊断方法 | 第30-31页 |
| ·气隙转矩分析法 | 第31页 |
| ·瞬时功率分析法 | 第31-32页 |
| ·PARK空间矢量方法 | 第32-34页 |
| ·MCSA定子电流特征分析方法 | 第34-38页 |
| ·基于多传感器的数据融合方法 | 第38-39页 |
| ·本研究采用的故障特征量 | 第39-40页 |
| ·基于MCSA方法的电机故障特征频率 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于多窗谱分析的电机早期故障检测方法 | 第43-91页 |
| ·傅立叶变换 | 第43-47页 |
| ·傅立叶级数与傅立叶变换 | 第44-45页 |
| ·短时傅立叶变换 | 第45-46页 |
| ·快速傅立叶变换 | 第46-47页 |
| ·远程故障诊断数据序列的特点 | 第47-50页 |
| ·基于希尔伯特变换的定子电流包络提取 | 第50-55页 |
| ·希尔伯特变换 | 第50-52页 |
| ·转子断条故障的电流包络信号分析 | 第52-53页 |
| ·定子电流与其包络信号的频谱比较分析 | 第53-55页 |
| ·基于功率谱估计的定子电流特征频率的提取 | 第55-73页 |
| ·经典谱估计法 | 第56-59页 |
| ·改进的周期图法-Welch法 | 第59-63页 |
| ·现代谱估计法 | 第63页 |
| ·参数模型法 | 第63-70页 |
| ·非参数模型法 | 第70-73页 |
| ·基于多窗谱分析的定子电流特征频率的提取 | 第73-90页 |
| ·多窗谱分析法的基本思想 | 第73-74页 |
| ·数据窗(Taper) | 第74-75页 |
| ·Slepian数据窗 | 第75-77页 |
| ·多窗谱分析法(MTM) | 第77页 |
| ·多窗谱分析法在强噪声环境下的频率识别 | 第77-83页 |
| ·多窗谱分析法在短数据、非同步情况下的频率识别 | 第83-85页 |
| ·多窗谱分析法在定子故障及轴承故障情况下的应用 | 第85-90页 |
| ·本章小结 | 第90-91页 |
| 第5章 基于小波包变换的电机故障特征提取方法 | 第91-124页 |
| ·小波与小波包变换 | 第91-101页 |
| ·连续小波变换 | 第92-94页 |
| ·离散小波变换 | 第94-95页 |
| ·多分辨率分析 | 第95-100页 |
| ·小波包变换 | 第100-101页 |
| ·基于小波包变换的定子电流频窗分解 | 第101-110页 |
| ·定子电流的频域分解方法 | 第102-104页 |
| ·定子电流的小波包分解方法 | 第104-105页 |
| ·小波包分解子频段的频率分析范围 | 第105-110页 |
| ·小波包子频段的分解处理 | 第110-123页 |
| ·小波包分解子频段间混叠及频谱泄漏的抑制 | 第111-114页 |
| ·电机负荷波动对分解系数的影响及抑制 | 第114-117页 |
| ·小波包分解系数的暂态现象消除 | 第117-118页 |
| ·小波包分解系数的均方根值 | 第118-123页 |
| ·本章小结 | 第123-124页 |
| 第6章 故障特征的聚类及诊断规则的建立 | 第124-134页 |
| ·基于自组织特征映射网络的连续属性值聚类 | 第125-129页 |
| ·自组织特征映射网络 | 第125-126页 |
| ·SOFM的学习算法 | 第126-128页 |
| ·SOFM的学习速率及近邻函数的确定 | 第128-129页 |
| ·基于粗糙集的信息约简及诊断规则的建立 | 第129-133页 |
| ·粗糙集理论 | 第129-130页 |
| ·粗糙集的信息约简 | 第130-131页 |
| ·可分辨矩阵的建立 | 第131页 |
| ·诊断规则的获取及修正 | 第131-132页 |
| ·基于粗糙集理论的电机诊断规则的建立 | 第132-133页 |
| ·本章小结 | 第133-134页 |
| 结论 | 第134-136页 |
| 参考文献 | 第136-148页 |
| 攻读学位期间公开发表论文 | 第148-149页 |
| 致谢 | 第149-150页 |
| 研究生履历 | 第150页 |
