基于声振信号联合分析的高压断路器状态识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 选题意义及其背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 第2章 高压断路器运行状态识别系统方案设计 | 第12-16页 |
| 2.1 高压断路器几种常见的故障类型 | 第12页 |
| 2.2 高压断路器运行状态识别方案设计 | 第12-16页 |
| 2.2.1 硬件设计 | 第12-13页 |
| 2.2.2 软件系统设计 | 第13-14页 |
| 2.2.3 实验设计 | 第14-16页 |
| 第3章 基于声振同源分析的时标对位算法 | 第16-21页 |
| 3.1 分段能量突变检测 | 第16-17页 |
| 3.2 精确突变点检测 | 第17-19页 |
| 3.2.1 小波变换 | 第17-18页 |
| 3.2.2 模极大值的确定 | 第18-19页 |
| 3.3 算法实现 | 第19-20页 |
| 3.4 本章小结 | 第20-21页 |
| 第4章 断路器声振信号特征熵提取与分析 | 第21-37页 |
| 4.1 熵和小波包的基本概念 | 第21-23页 |
| 4.1.1 熵的基本概念及原理 | 第21-22页 |
| 4.1.2 小波包基本概念 | 第22-23页 |
| 4.2 断路器声音信号特征熵提取与分析 | 第23-27页 |
| 4.2.1 声信号的采集 | 第23-24页 |
| 4.2.2 声音信号特征熵提取与分析 | 第24-27页 |
| 4.3 断路器三维振动信号特征熵提取与分析 | 第27-35页 |
| 4.3.1 振动号的采集 | 第27-29页 |
| 4.3.2 振动信号特征熵提取 | 第29-32页 |
| 4.3.3 三维振动信号时频分析 | 第32-35页 |
| 4.4 本章小结 | 第35-37页 |
| 第5章 基于改进证据融合的断路器状态识别方法 | 第37-44页 |
| 5.1 证据理论算法 | 第37-38页 |
| 5.2 基本分配函数获取 | 第38-40页 |
| 5.2.1 支持向量机 | 第38-39页 |
| 5.2.2 获取基本可信度分配 | 第39-40页 |
| 5.3 证据理传统算法与改进算法对比 | 第40-43页 |
| 5.3.1 权重的获取 | 第40-41页 |
| 5.3.2 改进证据融合过程 | 第41-42页 |
| 5.3.3 证据理论算法和改进算法融合结果对比 | 第42-43页 |
| 5.4 本章小结 | 第43-44页 |
| 第6章 结论与展望 | 第44-45页 |
| 6.1 结论 | 第44页 |
| 6.2 展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 攻读硕士学位期间发表的论文及参加科研情况 | 第49-50页 |
| 致谢 | 第50页 |
