| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·故障诊断技术概述 | 第8-9页 |
| ·故障诊断的过程与评价 | 第8页 |
| ·故障诊断的方法 | 第8-9页 |
| ·电力电子电路的故障诊断 | 第9-14页 |
| ·电力电子电路故障诊断的目的和意义 | 第9-10页 |
| ·电力电子电路故障诊断的特点和主要问题 | 第10-12页 |
| ·电力电子电路故障诊断方法的研究现状 | 第12-14页 |
| ·粒子群优化算法的特点与应用 | 第14-15页 |
| ·本文研究的主要内容 | 第15-17页 |
| 第二章 粒子群优化算法 | 第17-32页 |
| ·基本粒子群优化算法 | 第17-22页 |
| ·算法的基本原理 | 第17-20页 |
| ·算法的基本特征 | 第20页 |
| ·算法的基本特点和应用范围 | 第20-21页 |
| ·PSO算法的优势与不足 | 第21-22页 |
| ·PSO算法的改进 | 第22-24页 |
| ·标准的PSO算法 | 第22-23页 |
| ·自适应调整惯性权重 | 第23-24页 |
| ·引入扰动因子 | 第24页 |
| ·粒子轨迹的收敛性分析 | 第24-29页 |
| ·标准PSO算法的收敛性条件 | 第24-28页 |
| ·原始PSO算法的收敛性分析 | 第28-29页 |
| ·粒子群优化算法的参数分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 PSO算法在神经网络中的应用 | 第32-43页 |
| ·人工神经网络 | 第32-37页 |
| ·人工神经元模型 | 第32-34页 |
| ·网络结构及工作方式 | 第34-35页 |
| ·神经网络的学习算法 | 第35-37页 |
| ·神经网络的泛化能力 | 第37页 |
| ·进化算法在神经网络中的应用 | 第37-38页 |
| ·基于PSO算法优化神经网络的实现 | 第38-41页 |
| ·粒子群算法优化神经网络的算法设计 | 第39-41页 |
| ·PSO算法的性能评价指标 | 第41页 |
| ·各种算法性能的仿真比较 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于PSO算法神经网络的双桥并联整流电路故障诊断 | 第43-63页 |
| ·双桥并联整流电路仿真模型的建立 | 第43-45页 |
| ·仿真模型建立需要考虑的问题 | 第43-44页 |
| ·双桥并联整流电路SIMULINK仿真模型 | 第44-45页 |
| ·双桥并联整流电路的故障类型分析 | 第45-48页 |
| ·整流输出电压波形的频谱分析 | 第48-58页 |
| ·傅立叶级数分析 | 第49-51页 |
| ·连续周期信号频谱的DFT分析 | 第51-52页 |
| ·故障波形特征信号的提取 | 第52-56页 |
| ·学习样本的设计 | 第56-58页 |
| ·基于PSO算法神经网路的整流电路故障诊断 | 第58-62页 |
| ·神经网络模型的选取 | 第58页 |
| ·神经网络结构的设计与训练 | 第58-59页 |
| ·样本学习结果分析 | 第59-61页 |
| ·仿真验证 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 基于DSP的整流电路故障诊断系统设计 | 第63-70页 |
| ·系统整体结构设计 | 第63-64页 |
| ·硬件电路设计 | 第64-67页 |
| ·DSP系统 | 第64-65页 |
| ·输入变送单元 | 第65-66页 |
| ·故障信息数码显示电路 | 第66-67页 |
| ·软件部分设计 | 第67-68页 |
| ·实验验证 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 总结和展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间主要的研究成果 | 第79页 |