| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第1章 绪论 | 第13-20页 |
| ·研究背景 | 第13-14页 |
| ·预测技术概述 | 第14-15页 |
| ·故障诊断概述 | 第15-18页 |
| ·故障诊断的发展概况 | 第15-16页 |
| ·故障智能诊断模型 | 第16-18页 |
| ·本文研究内容 | 第18-19页 |
| ·本文组织结构 | 第19-20页 |
| 第2章 低压开关设备故障预测参数和故障分析 | 第20-28页 |
| ·低压电气开关控制柜的整体结构分析 | 第20-21页 |
| ·送水泵抽屉单元分析 | 第21-22页 |
| ·断路器故障预测参数和故障分析 | 第22-24页 |
| ·断路器故障预测参数分析 | 第22-23页 |
| ·断路器故障分析 | 第23-24页 |
| ·继电器故障预测参数和故障分析 | 第24-26页 |
| ·继电器故障预测参数分析 | 第24-26页 |
| ·继电器故障分析 | 第26页 |
| ·交流接触器的故障预测参数和故障分析 | 第26-27页 |
| ·交流接触器故障预测参数分析 | 第26-27页 |
| ·交流接触器故障分析 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 模糊综合评判预测方法的研究 | 第28-38页 |
| ·引言 | 第28页 |
| ·模糊综合评判方法的建模原理 | 第28-32页 |
| ·一级模糊综合评判模型 | 第29-30页 |
| ·多级模糊综合评判模型 | 第30-32页 |
| ·权重的确定 | 第32-36页 |
| ·常用的确定权重的方法 | 第32-33页 |
| ·三角模糊数层次分析法 | 第33-36页 |
| ·隶属函数的确定 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 改进的模糊综合评判方法在器件故障预测中的应用 | 第38-52页 |
| ·评判模型的建立 | 第38-40页 |
| ·评判因素的确定 | 第38-39页 |
| ·评语集的建立 | 第39-40页 |
| ·模糊算子的确定 | 第40页 |
| ·断路器故障预测 | 第40-51页 |
| ·断路器开断磨损的评估 | 第40-45页 |
| ·运行参数的预测 | 第45-50页 |
| ·断路器整体故障预测评估算例 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 RBF 神经网络的模型结构及其算法 | 第52-67页 |
| ·RBF 神经网络的结构及数学模型 | 第52-54页 |
| ·RBF 神经网络的结构 | 第52-53页 |
| ·RBF 神经网络的数学模型 | 第53-54页 |
| ·RBF 神经网络的学习算法 | 第54-57页 |
| ·离线训练方式 | 第55-56页 |
| ·在线训练方式 | 第56-57页 |
| ·RBF 神经网络混合学习算法 | 第57-65页 |
| ·最近邻聚类学习算法 | 第57-58页 |
| ·梯度下降学习算法 | 第58-61页 |
| ·混合学习算法的设计与实现 | 第61-65页 |
| ·本章小结 | 第65-67页 |
| 第6章 基于混合算法的RBF 神经网络在器件故障诊断中的应用 | 第67-80页 |
| ·故障诊断策略 | 第67-68页 |
| ·神经网络用于故障诊断的优点 | 第67页 |
| ·RBF 神经网络诊断的思路及方法 | 第67-68页 |
| ·故障诊断流程框图 | 第68页 |
| ·训练样本集的设计 | 第68-70页 |
| ·训练样本集的设计原则 | 第69页 |
| ·样本数据的归一化处理 | 第69-70页 |
| ·断路器机械故障诊断实例分析 | 第70-79页 |
| ·特征参量的选取 | 第70-71页 |
| ·样本集的设计 | 第71-74页 |
| ·实验测试 | 第74-79页 |
| ·本章小结 | 第79-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第86-87页 |
| 致谢 | 第87-88页 |
| 作者简介 | 第88页 |