| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 国内外故障诊断研究现状 | 第13-17页 |
| 1.3 论文主要研究内容与章节内容安排 | 第17-20页 |
| 1.3.1 主要研究内容 | 第17-18页 |
| 1.3.2 论文的章节内容安排 | 第18-20页 |
| 第2章 电路故障特征提取方法 | 第20-30页 |
| 2.1 小波包提取故障特征 | 第20-27页 |
| 2.1.1 小波基函数 | 第20-21页 |
| 2.1.2 多分辨率分析 | 第21-24页 |
| 2.1.3 小波包分解与重构 | 第24-26页 |
| 2.1.4 小波能量谱 | 第26-27页 |
| 2.2 故障特征提取实验仿真 | 第27-29页 |
| 2.2.1 电路故障样本采集 | 第27-28页 |
| 2.2.2 电路故障特征提取 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 混合粒子群模拟退火优化算法 | 第30-41页 |
| 3.1 粒子群算法 | 第30-32页 |
| 3.1.1 粒子群算法的数学模型 | 第30-31页 |
| 3.1.2 粒子群算法的特点 | 第31-32页 |
| 3.2 粒子群优化计算行为分析 | 第32-35页 |
| 3.2.1 社会行为分析 | 第32页 |
| 3.2.2 收敛行为分析 | 第32-34页 |
| 3.2.3 粒子群优化的系统特征 | 第34-35页 |
| 3.3 模拟退火算法 | 第35-37页 |
| 3.3.1 模拟退火算法的特点 | 第35-36页 |
| 3.3.2 模拟退火算法的实现 | 第36页 |
| 3.3.3 粒子群与模拟退火算法结合的优点 | 第36-37页 |
| 3.4 混合粒子群模拟退火算法基本原理 | 第37-38页 |
| 3.4.1 粒子群模拟退火机制 | 第37页 |
| 3.4.2 粒子自适应变异 | 第37-38页 |
| 3.4.3 混合粒子群模拟退火算法设计 | 第38页 |
| 3.5 混合粒子群模拟退火算法收敛性仿真对比 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 支持向量机网络结构 | 第41-50页 |
| 4.1 支持向量机 | 第41-46页 |
| 4.1.1 线性可分支持向量机 | 第41-43页 |
| 4.1.2 线性不可分支持向量机 | 第43-46页 |
| 4.1.3 多分类支持向量机 | 第46页 |
| 4.2 实验仿真分析 | 第46-49页 |
| 4.2.1 电路故障诊断对比实验 | 第47-48页 |
| 4.2.2 实验分析 | 第48-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第5章 混合粒子群模拟退火算法优化支持向量机电路故障诊断的应用 | 第50-63页 |
| 5.1 混合粒子群优化支持向量机算法 | 第50-51页 |
| 5.2 仿真实验与分析 | 第51-57页 |
| 5.2.1 实验仿真 | 第51-57页 |
| 5.2.2 实验结果分析 | 第57页 |
| 5.3 模型普适性验证 | 第57-62页 |
| 5.3.1 非线性电路仿真 | 第57-59页 |
| 5.3.2 电力电子电路仿真 | 第59-62页 |
| 5.3.3 实验结果分析 | 第62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 结论与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录A 攻读硕士期间发表的论文以及参与的项目 | 第69-70页 |
| 致谢 | 第70页 |