| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题来源 | 第8页 |
| ·本课题的研究目的和实际意义 | 第8-9页 |
| ·逆变器诊断技术国内外研究现状 | 第9-12页 |
| ·基于电流的故障诊断技术 | 第10-11页 |
| ·基于电压的故障诊断技术 | 第11-12页 |
| ·研究内容及技术路线 | 第12页 |
| ·研究目标及方法 | 第12页 |
| ·技术路线 | 第12页 |
| ·论文结构及主要内容 | 第12-14页 |
| 第二章 地铁列车辅助逆变器简介及失效机理分析 | 第14-18页 |
| ·地铁车辆辅助逆变器简介 | 第14-16页 |
| ·辅助逆变器失效机理分析 | 第16-18页 |
| 第三章 故障诊断系统总体设计 | 第18-26页 |
| ·系统总体设计 | 第18-19页 |
| ·辅助系设备电磁环境及干扰特性分析 | 第19页 |
| ·诊断系统硬件实现 | 第19-23页 |
| ·采集和诊断系统主机 | 第19-20页 |
| ·信号采集、放大与抗混叠滤波 | 第20-21页 |
| ·信号分析诊断与显示系统参数 | 第21-22页 |
| ·电源：110V DC | 第22页 |
| ·电压传感器 | 第22-23页 |
| ·系统的软件设计 | 第23-26页 |
| ·采集系统软件界面 | 第24-25页 |
| ·数据回放界面 | 第25-26页 |
| 第四章 小波分析技术及其在辅助逆变器故障诊断的应用 | 第26-34页 |
| ·傅立叶变换 | 第26页 |
| ·小波变换 | 第26-30页 |
| ·连续小波变换 | 第27-28页 |
| ·离散小波变换 | 第28页 |
| ·多分辨率分析 | 第28-30页 |
| ·小波包分解与重构 | 第30-31页 |
| ·小波分解和小波包降噪简介 | 第31-32页 |
| ·采用小波包对辅助逆变器故障特征进行提取 | 第32-34页 |
| 第五章 遗传—人工神经网络研究 | 第34-62页 |
| ·人工神经网络诊断概述 | 第34-47页 |
| ·人工神经网络及其在故障诊断领域中的应用 | 第34-35页 |
| ·人工神经网络的学习规则 | 第35-37页 |
| ·人工神经网络故障诊断的特点 | 第37-38页 |
| ·BP 神经网络学习算法及训练过程 | 第38-43页 |
| ·BP 网络的工具箱函数 | 第43-45页 |
| ·BP 网络的结构设计 | 第45-47页 |
| ·遗传算法简介 | 第47-54页 |
| ·遗传算法特点概述 | 第47-49页 |
| ·编码 | 第49页 |
| ·初始种群的生成 | 第49页 |
| ·适应度评估检测及目标函数 | 第49-50页 |
| ·选择 | 第50页 |
| ·交叉 | 第50-51页 |
| ·变异 | 第51页 |
| ·终止条件判断 | 第51-52页 |
| ·Matlab 遗传算法函数工具箱 | 第52-54页 |
| ·遗传算法结合神经网络的研究及实验 | 第54-60页 |
| ·利用遗传算法对神经网络的学习过程进行优化 | 第54-56页 |
| ·故障诊断试验过程及结果 | 第56-60页 |
| ·本章小结 | 第60-62页 |
| 第六章 本文总结及展望 | 第62-64页 |
| ·文章总结 | 第62-63页 |
| ·本文不足之处 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间发表的学术论文目录 | 第70-71页 |