| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-19页 |
| ·目的和意义 | 第9-10页 |
| ·相关技术的研究现状与发展趋势 | 第10-17页 |
| ·国内外研究现状 | 第10-11页 |
| ·异步电动机故障诊断的主要方法 | 第11-15页 |
| ·相关技术的发展趋势 | 第15-17页 |
| ·本论文研究的主要内容 | 第17-19页 |
| 2 大型异步电动机主要故障机理及其监测方法 | 第19-27页 |
| ·异步电动机常见故障类型 | 第19-23页 |
| ·定子铁心故障 | 第19页 |
| ·定子绕组故障 | 第19-20页 |
| ·转子不平衡故障 | 第20页 |
| ·转子断条故障 | 第20-21页 |
| ·气隙偏心 | 第21-22页 |
| ·轴承故障 | 第22-23页 |
| ·异步电动机故障监测与诊断的主要方法 | 第23-25页 |
| ·本章小结 | 第25-27页 |
| 3 基于小波技术的异步电动机故障信号处理 | 第27-37页 |
| ·小波包分析算法 | 第27-29页 |
| ·最优小波包基的概念 | 第29-30页 |
| ·最优小波包基的快速搜索法 | 第30页 |
| ·最优小波包基信号消噪在异步电动机故障诊断中的应用 | 第30-33页 |
| ·基于小波技术的异步电动机故障信号特征量的提取 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 4 改进的邻域粒子群优化最小二乘支持向量机算法 | 第37-49页 |
| ·改进的自适应邻域粒子群优化算法 | 第37-41页 |
| ·粒子群算法 | 第37-38页 |
| ·改进的自适应邻域PSO算法 | 第38-41页 |
| ·支持向量机回归算法 | 第41-45页 |
| ·线性支持向量机回归算法 | 第41-43页 |
| ·非线性支持向量机回归算法 | 第43-45页 |
| ·最小二乘支持向量机 | 第45-46页 |
| ·动态邻域粒子群优化最小二乘支持向量机算法 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 5 基于改进的自适应邻域粒子群优化最小二乘支持向量机的异步电动机故障诊断 | 第49-55页 |
| ·实验概述 | 第49页 |
| ·监测测点布置及传感器的选型 | 第49-51页 |
| ·监测测点布置 | 第49-50页 |
| ·传感器的选择 | 第50-51页 |
| ·异步电动机故障特征向量的提取 | 第51-52页 |
| ·模型构建 | 第52-53页 |
| ·故障诊断 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| ·全文总结 | 第55-56页 |
| ·论文展望 | 第56-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士期间发表的论文及参加项目 | 第63页 |