基于振动法的变压器绕组及铁心状态监测与故障诊断方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-20页 |
| ·选题的目的和意义 | 第10-11页 |
| ·变压器绕组变形与铁心故障原因 | 第11-14页 |
| ·变压器绕组变形 | 第12-13页 |
| ·变压器铁心故障 | 第13-14页 |
| ·变压器绕组变形与铁心故障诊断方法研究 | 第14-17页 |
| ·绕组变形诊断方法 | 第14-16页 |
| ·铁心故障诊断方法 | 第16-17页 |
| ·振动分析法在变压器故障诊断中的技术发展现状 | 第17-18页 |
| ·本文的主要内容 | 第18-20页 |
| 2 变压器振动机理研究 | 第20-32页 |
| ·变压器工作原理及结构 | 第20-21页 |
| ·变压器工作原理 | 第20-21页 |
| ·变压器结构 | 第21页 |
| ·变压器振动传播途径 | 第21-23页 |
| ·变压器绕组振动分析 | 第23-28页 |
| ·绕组受力分析 | 第23-24页 |
| ·绕组轴向振动数学模型 | 第24-27页 |
| ·绕组运行状况与振动信号的关系 | 第27-28页 |
| ·变压器铁心振动分析 | 第28-30页 |
| ·磁致伸缩原理 | 第28-29页 |
| ·铁心运行状况与振动信号的关系 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 3 变压器振动在线监测系统 | 第32-38页 |
| ·振动信号在线监测 | 第32-35页 |
| ·测点布置 | 第32-33页 |
| ·传感器选型及工作原理 | 第33-35页 |
| ·振动信号采集 | 第35-36页 |
| ·信号调理 | 第35-36页 |
| ·A/D转换 | 第36页 |
| ·本章小结 | 第36-38页 |
| 4 变压器振动信号分析与处理 | 第38-52页 |
| ·小波包变换 | 第38-40页 |
| ·希尔伯特-黄变换 | 第40-43页 |
| ·瞬时频率 | 第40-41页 |
| ·固有模态函数 | 第41-42页 |
| ·经验模态分解 | 第42-43页 |
| ·希尔伯特谱及边际谱 | 第43页 |
| ·希尔伯特-黄变换在变压器机械振动信号中的应用 | 第43-49页 |
| ·固有模态函数的自适应阈值去噪 | 第43-45页 |
| ·铁心振动信号分析 | 第45-47页 |
| ·绕组振动信号分析 | 第47-49页 |
| ·本章小结 | 第49-52页 |
| 5 变压器振动信号特征提取 | 第52-58页 |
| ·传统故障诊断特征参数 | 第52-53页 |
| ·基于小波包和信息熵的信号特征提取方法 | 第53-56页 |
| ·Shannon信息熵理论 | 第53页 |
| ·小波包能量熵 | 第53-54页 |
| ·变压器振动信号小波包能量熵的提取 | 第54页 |
| ·诊断实例分析 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 6 变压器机械故障智能诊断 | 第58-72页 |
| ·粒子群算法 | 第59-63页 |
| ·算法原理 | 第59-60页 |
| ·算法流程 | 第60-61页 |
| ·惯性权值的引入 | 第61页 |
| ·算法的改进 | 第61页 |
| ·性能测试 | 第61-63页 |
| ·改进粒子群算法优化BP神经网络 | 第63-67页 |
| ·BP神经网络算法 | 第63-64页 |
| ·BP神经网络的缺陷 | 第64-65页 |
| ·BP神经网络的优化 | 第65页 |
| ·诊断实例分析 | 第65-67页 |
| ·改进粒子群算法优化最小二乘支持向量机 | 第67-71页 |
| ·最小二乘支持向量机分类算法 | 第67-69页 |
| ·最小二乘支持向量机的优化 | 第69页 |
| ·诊断实例分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 7 结论与展望 | 第72-74页 |
| ·结论 | 第72-73页 |
| ·展望 | 第73-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士期间发表的论文及参加项目 | 第82页 |
