| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 绪论 | 第13-20页 |
| ·研究背景和意义 | 第13页 |
| ·故障诊断技术的研究现状和常用的方法 | 第13-15页 |
| ·电力电子整流装置故障诊断方法 | 第15-18页 |
| ·故障诊断的基本思想 | 第15页 |
| ·电力电子整流装置的故障特点 | 第15页 |
| ·电力电子整流装置故障诊断方法的研究现状 | 第15-18页 |
| ·本文研究的主要内容 | 第18-20页 |
| 第二章 基于神经网络的电力电子整流装置故障诊断 | 第20-34页 |
| ·BP神经网络 | 第20-25页 |
| ·BP网络模型 | 第20-21页 |
| ·BP算法 | 第21-22页 |
| ·L-M学习算法 | 第22-24页 |
| ·神经网络的设计 | 第24-25页 |
| ·基于神经网络的电力电子整流装置故障诊断及应用 | 第25-33页 |
| ·故障模型 | 第25-26页 |
| ·故障模型分析 | 第26-28页 |
| ·基于神经网络的电力电子整流装置故障诊断 | 第28页 |
| ·仿真实验 | 第28-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于PCA-神经网络的电力电子整流装置故障诊断 | 第34-46页 |
| ·主元分析PCA原理 | 第34-39页 |
| ·主元分析PCA原理 | 第35-38页 |
| ·奇异值分解(SVD) | 第38页 |
| ·主元数的确定 | 第38-39页 |
| ·基于PCA的故障特征提取 | 第39-40页 |
| ·基于PCA-神经网络的故障诊断 | 第40-41页 |
| ·实验验证 | 第41-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 小波包分析在电力电子整流装置故障诊断中的应用 | 第46-60页 |
| ·小波包分析理论 | 第46-49页 |
| ·小波变换定义 | 第46-48页 |
| ·多分辨率分析 | 第48页 |
| ·小波包分析 | 第48-49页 |
| ·电力电子整流装置故障的特征提取 | 第49-51页 |
| ·基于能量分布的特征提取原理 | 第49-51页 |
| ·基于小波包分析的电力电子整流装置故障特征提取 | 第51页 |
| ·实验验证 | 第51-59页 |
| ·十二脉波可控整流电路及故障分析 | 第51-54页 |
| ·基于小波包分解的能量分布 | 第54-58页 |
| ·实验结果分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 支持向量机在电力电子整流装置故障诊断中的应用研究 | 第60-73页 |
| ·支持向量机 | 第60-64页 |
| ·最优分类面 | 第60-62页 |
| ·广义最优分类面 | 第62-63页 |
| ·支持向量机 | 第63-64页 |
| ·SVM的多故障分类算法的研究 | 第64-66页 |
| ·基于SVM的电力电子整流装置故障诊断方法 | 第66-67页 |
| ·实验验证 | 第67-72页 |
| ·实验结果分析 | 第67-70页 |
| ·训练性能分析 | 第70-71页 |
| ·基于SVM的电力电子整流装置故障诊断的应用 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读学位期间发表论文 | 第79-80页 |
| 独创性声明 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附录 | 第82-92页 |
