摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第12-19页 |
1.1 选题背景和意义 | 第12-14页 |
1.1.1 选题背景 | 第12-13页 |
1.1.2 研究意义 | 第13-14页 |
1.2 逆变器故障诊断技术研究现状 | 第14-16页 |
1.2.1 基于信号处理的方法 | 第14-15页 |
1.2.2 基于人工智能的故障诊断方法 | 第15-16页 |
1.3 主要的研究内容 | 第16-19页 |
1.3.1 选题来源及研究目标 | 第16页 |
1.3.2 技术路线 | 第16-17页 |
1.3.3 研究的主要内容 | 第17-19页 |
第二章 地铁车辆辅助供电系统 | 第19-28页 |
2.1 地铁车辆辅助供电系统简介 | 第19-22页 |
2.1.1 辅助逆变系统在地铁车辆上的分布 | 第19-20页 |
2.1.2 地铁车辆辅助供电系统结构 | 第20页 |
2.1.3 地铁车辆逆变器结构及技术参数 | 第20-22页 |
2.2 地铁车辆辅助逆变系统电路原理分析 | 第22-26页 |
2.2.1 输入电路 | 第22-23页 |
2.2.2 逆变电路 | 第23-24页 |
2.2.3 调制方式 | 第24-25页 |
2.2.4.LC滤波电路 | 第25页 |
2.2.5 输出电路构成 | 第25-26页 |
2.3 控制与调节 | 第26-27页 |
2.4 本章小结 | 第27-28页 |
第三章 地铁车辆辅助逆变器的仿真建模 | 第28-36页 |
3.1 功率器件IGBT | 第28-29页 |
3.1.1 IGBT介绍 | 第28页 |
3.1.2 IGBT模块参数设置 | 第28-29页 |
3.2 脉宽调制技术(PWM) | 第29-31页 |
3.2.1 脉宽调制模块及参数设置 | 第29-31页 |
3.2.2 脉宽调制模块仿真波形 | 第31页 |
3.3 故障设置模块 | 第31-32页 |
3.4 逆变故障仿真电路 | 第32-34页 |
3.6 LC滤波电路仿真 | 第34-35页 |
3.6.1 滤波模块及参数设置 | 第34-35页 |
3.6.2 滤波电路仿真波形 | 第35页 |
3.7 本章小结 | 第35-36页 |
第四章 地铁车辆辅助逆变器主电路故障分析及特征提取 | 第36-59页 |
4.1 逆变器故障分类 | 第36-37页 |
4.1.1 软故障 | 第36页 |
4.1.2 结构性故障 | 第36-37页 |
4.2 地铁车辆辅助逆变器故障特性分析 | 第37-40页 |
4.2.1 功率器件出现隐患故障分析 | 第37-38页 |
4.2.2 滤波电容故障分析 | 第38-39页 |
4.2.3 单个IGBT功率管发生开路故障分析 | 第39页 |
4.2.4 两个IGBT功率管同时发生开路故障分析 | 第39-40页 |
4.3 辅助逆变器的功率器件开路故障特征提取 | 第40-58页 |
4.3.1 三相—两相变换 | 第40-41页 |
4.3.2 基于重心的电压轨迹图特征提取与分析 | 第41-47页 |
4.3.3 基于空间矢量模值的特征提取和分析 | 第47-58页 |
4.4 本章小结 | 第58-59页 |
第五章 地铁车辆辅助逆变器主电路故障识别 | 第59-75页 |
5.1 支持向量机理论 | 第59-68页 |
5.1.1 最优超平面的概念 | 第59-61页 |
5.1.2 线性可分模式的超平面 | 第61-62页 |
5.1.3 非线性可分数据最优超平面的构建 | 第62-64页 |
5.1.4 基于内核的最优超平面 | 第64-67页 |
5.1.5 支持向量机的学习算法 | 第67-68页 |
5.2 多分类算法研究 | 第68-69页 |
5.2.1 多分类问题概述 | 第68页 |
5.2.2 多分类算法研究 | 第68-69页 |
5.3 逆变器主电路故障诊断的具体实现 | 第69-74页 |
5.3.1 LIBSVM介绍 | 第69-71页 |
5.3.2 SVM_GUI实现分类过程 | 第71-73页 |
5.3.3 分类结果 | 第73-74页 |
5.4 本章小结 | 第74-75页 |
第六章 总结与展望 | 第75-78页 |
6.1 总结 | 第75页 |
6.2 展望 | 第75-78页 |
参考文献 | 第78-84页 |
攻读硕士学位期间发表的学术论文及取得的相关科研成果 | 第84-86页 |
致谢 | 第86-87页 |