摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第8-14页 |
1.1 研究背景及意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-11页 |
1.2.1 开关电器特征参数的研究现状 | 第9-10页 |
1.2.2 开关电器寿命预测研究现状 | 第10-11页 |
1.3 本文的主要研究内容 | 第11-14页 |
第二章 交流接触器概述 | 第14-20页 |
2.1 交流接触器结构及其工作原理 | 第14-15页 |
2.2 交流接触器失效模式 | 第15-16页 |
2.3 交流接触器的特征参数 | 第16-18页 |
2.4 本章小结 | 第18-20页 |
第三章 交流接触器电气操作试验 | 第20-32页 |
3.1 交流接触器电气操作试验装置 | 第20-22页 |
3.1.1 试验装置总体介绍 | 第20-22页 |
3.1.2 试验装置的主要功能 | 第22页 |
3.2 交流接触器电气操作试验装置的硬件与软件 | 第22-26页 |
3.2.1 试验装置的硬件电路 | 第22-24页 |
3.2.2 试验装置的软件 | 第24-26页 |
3.3 交流接触器电寿命试验结果及分析 | 第26-30页 |
3.3.1 试验条件 | 第26页 |
3.3.2 试验结果 | 第26-30页 |
3.4 本章小结 | 第30-32页 |
第四章 基于BP神经网络交流接触器剩余电寿命预测 | 第32-50页 |
4.1 BP神经网络的基本理论 | 第32-37页 |
4.1.1 人工神经网络 | 第32-33页 |
4.1.2 BP神经网络的原理 | 第33-36页 |
4.1.3 BP神经网络的局限性分析 | 第36-37页 |
4.2 BP神经网络结构设计和参数选取 | 第37-40页 |
4.2.1 BP神经网络结构设计 | 第37-38页 |
4.2.2 BP神经网络参数 | 第38-40页 |
4.3 基于MIV方法的输入自变量筛选 | 第40-42页 |
4.3.1 MIV方法概述 | 第40-41页 |
4.3.2 MIV 算法筛选输入自变量 | 第41-42页 |
4.4 基于BP神经网络的交流接触器剩余电寿命预测及分析 | 第42-48页 |
4.4.1 交流接触器剩余电寿命预测模型参数的确定 | 第42-46页 |
4.4.2 交流接触器剩余电寿命预测结果分析 | 第46-48页 |
4.5 本章小结 | 第48-50页 |
第五章 基于自适应遗传算法优化BP神经网络的交流接触器剩余电寿命预测 | 第50-66页 |
5.1 自适应遗传算法基本理论 | 第50-53页 |
5.1.1 遗传算法的基本原理 | 第50-52页 |
5.1.2 遗传算法的特点 | 第52页 |
5.1.3 自适应遗传算法的基本原理 | 第52-53页 |
5.2 自适应遗传算法优化BP神经网络 | 第53-55页 |
5.3 自适应遗传算法优化设计 | 第55-57页 |
5.3.1 编码设计 | 第55页 |
5.3.2 适应度函数设计 | 第55-56页 |
5.3.3 遗传算子设计 | 第56-57页 |
5.4 基于AGA-BP的交流接触器剩余电寿命预测及其分析 | 第57-63页 |
5.4.1 交流接触器剩余电寿命预测模型参数的确定 | 第57页 |
5.4.2 交流接触器剩余电寿命预测结果分析 | 第57-59页 |
5.4.3 交流接触器剩余电寿命预测方法对比 | 第59-63页 |
5.5 本章小结 | 第63-66页 |
第六章 结论与展望 | 第66-68页 |
参考文献 | 第68-72页 |
攻读学位期间所取得的相关科研成果 | 第72-74页 |
致谢 | 第74页 |