强流直线感应加速器故障诊断与性能评估技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-25页 |
| ·强流电子直线感应加速器简介 | 第9-15页 |
| ·直线感应加速器发展概况 | 第9-10页 |
| ·直线感应加速器系统 | 第10-13页 |
| ·直线感应加速器电参数测试 | 第13-15页 |
| ·选题背景和意义 | 第15-17页 |
| ·选题背景 | 第15-17页 |
| ·选题目的和意义 | 第17页 |
| ·国内外研究现状与发展趋势 | 第17-20页 |
| ·研究技术途径 | 第20-22页 |
| ·技术途径 | 第20-21页 |
| ·故障诊断与预测维护系统总体结构 | 第21-22页 |
| ·论文研究主要内容和创新点 | 第22-25页 |
| ·论文研究主要内容 | 第22-23页 |
| ·论文创新点 | 第23-25页 |
| 第二章 基本理论 | 第25-47页 |
| ·数据压缩和降维 | 第25-27页 |
| ·CCA算法 | 第25-26页 |
| ·傅里叶变换及窗口傅里叶变换 | 第26-27页 |
| ·小波变换 | 第27-34页 |
| ·连续小波变换 | 第28-29页 |
| ·离散小波变换和正交二进小波变换 | 第29-30页 |
| ·多分辨率分析 | 第30-32页 |
| ·正交小波包变换 | 第32-34页 |
| ·神经网络 | 第34-46页 |
| ·基础知识 | 第34-38页 |
| ·多层前馈网络 | 第38页 |
| ·径向基函数(RBF)神经网络 | 第38-39页 |
| ·函数逼近与插值 | 第39-40页 |
| ·正则化理论与正则化网络 | 第40-41页 |
| ·RBF神经网络学习算法 | 第41-45页 |
| ·两种神经网络的讨论 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第三章 强流LIA信号处理与特征值提取 | 第47-77页 |
| ·小波变换实现信号突变点及时间间隔测量 | 第47-65页 |
| ·小波变换实现信号突变点检测机理 | 第47-50页 |
| ·小波基选择 | 第50-58页 |
| ·加速器信号突变点检测及时间间隔测量 | 第58-65页 |
| ·信号去噪 | 第65-71页 |
| ·小波去噪原理 | 第65-66页 |
| ·小波去噪应用 | 第66-71页 |
| ·小波包变换提取特征值 | 第71-76页 |
| ·特征值提取算法 | 第71-72页 |
| ·数据预处理 | 第72-74页 |
| ·小波基函数选取和分解层数的确定 | 第74-75页 |
| ·小波包提取特征向量 | 第75-76页 |
| ·小结 | 第76-77页 |
| 第四章 故障诊断与预测维护 | 第77-102页 |
| ·概述 | 第77-79页 |
| ·诊断系统目标 | 第77页 |
| ·加速器故障诊断系统总体策略 | 第77-79页 |
| ·单个RBF神经网络的加速腔电压故障诊断 | 第79-86页 |
| ·RBF网络最近邻聚类训练算法及实现 | 第79-82页 |
| ·单个带束加速腔电压故障诊断网络训练 | 第82-83页 |
| ·单个带束加速腔电压故障诊断结果 | 第83-86页 |
| ·加速器运行趋势诊断 | 第86-89页 |
| ·束流输运系统多神经网络协同诊断 | 第89-100页 |
| ·多神经网络协同诊断简介 | 第89-90页 |
| ·加速器束流波形故障模式及诊断策略 | 第90-94页 |
| ·束心位置运动轨迹的规则提取 | 第94-95页 |
| ·协同诊断推理规则 | 第95-96页 |
| ·协同诊断 | 第96-100页 |
| ·小结 | 第100-102页 |
| 第五章 结论 | 第102-105页 |
| 参考文献 | 第105-111页 |
| 致谢 | 第111-112页 |
| 附录 | 第112页 |
