| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 异步电机故障诊断技术的研究现状及趋势 | 第9-11页 |
| 1.3 混合智能故障诊断技术的提出和研究进展 | 第11-12页 |
| 1.4 论文的主要研究内容与章节安排 | 第12-14页 |
| 第2章 异步电机故障机理分析研究 | 第14-24页 |
| 2.1 异步电机的结构及基本工作原理 | 第14-16页 |
| 2.2 异步电机常见故障类型 | 第16-19页 |
| 2.2.1 定子故障 | 第16-17页 |
| 2.2.2 转子故障 | 第17页 |
| 2.2.3 轴承故障 | 第17-18页 |
| 2.2.4 气隙偏心故障 | 第18-19页 |
| 2.3 异步电机常见故障的机理分析 | 第19-23页 |
| 2.3.1 基于定子电流信号的异步电机常见故障机理分析 | 第20-22页 |
| 2.3.2 基于振动信号的异步电机常见故障机理分析 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 异步电机故障特征提取方法的研究 | 第24-38页 |
| 3.1 概述 | 第24-26页 |
| 3.2 Hilbert-Huang变换 | 第26-33页 |
| 3.2.1 经验模式分解（EMD） | 第27-31页 |
| 3.2.2 Hilbert谱分析 | 第31-33页 |
| 3.3 HHT仿真实例 | 第33-37页 |
| 3.3.1 HHT程序设计 | 第33-35页 |
| 3.3.2 EMD和Hilbert边际谱的仿真信号分析 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于PSO优化BP神经网络的混合智能技术 | 第38-55页 |
| 4.1 BP神经网络 | 第38-44页 |
| 4.1.1 BP神经网络的结构 | 第38-40页 |
| 4.1.2 BP神经网络的学习算法 | 第40-44页 |
| 4.2 标准粒子群算法的研究 | 第44-46页 |
| 4.2.1 基本粒子群算法的介绍 | 第44-45页 |
| 4.2.2 标准粒子群算法的基本步骤和流程 | 第45-46页 |
| 4.3 PSO优化BP神经网络的基本方法 | 第46-54页 |
| 4.3.1 PSO优化BP神经网络的算法步骤和流程图 | 第47-48页 |
| 4.3.2 PSO优化BP神经网络的程序设计 | 第48-50页 |
| 4.3.3 PSO优化BP神经网络的仿真实例 | 第50-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 基于混合智能诊断技术的异步电机故障诊断系统 | 第55-72页 |
| 5.1 异步电机故障诊断硬件设计 | 第55-59页 |
| 5.2 基于HHT的异步电机故障特征信号的提取 | 第59-66页 |
| 5.2.1 基于HHT的异步电机故障特征信号的提取 | 第59-63页 |
| 5.2.2 基于HHT的异步电机故障特征信号的提取 | 第63-66页 |
| 5.3 故障诊断仿真及测试结果 | 第66-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第6章 全文总结与展望 | 第72-74页 |
| 6.1 论文工作总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 攻读学位期间的研究成果 | 第78页 |
