摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第12-18页 |
1.1 研究目的和意义 | 第12-13页 |
1.2 国内外电机故障诊断研究现状 | 第13-15页 |
1.2.1 国外电机故障诊断研究现状 | 第13-14页 |
1.2.2 国内电机故障诊断研究现状 | 第14-15页 |
1.3 直流电机在线故障诊断技术的发展方向及前景 | 第15页 |
1.4 本文主要研究内容 | 第15-18页 |
第二章 神经网络及其优化理论分析 | 第18-31页 |
2.1 BP神经网络模型及其学习算法 | 第18-22页 |
2.1.1 BP神经网络原理及其学习算法 | 第18-22页 |
2.1.2 BP算法分析 | 第22页 |
2.2 BP神经网络隐含层神经元数的优化 | 第22-25页 |
2.2.1 BP神经网络隐含层的作用 | 第22-23页 |
2.2.2 隐含层神经元数对网络的影响及其经验选取方法 | 第23-25页 |
2.3 灰色关联分析理论研究 | 第25-27页 |
2.3.1 灰色关联分析的原理 | 第25页 |
2.3.2 灰色关联度的计算 | 第25-27页 |
2.4 基于灰色关联分析的BP神经网络结构优化 | 第27-30页 |
2.4.1 灰色关联分析优化BP神经网络结构原理分析 | 第27-28页 |
2.4.2 灰色关联分析理论优化BP神经网络结构模型 | 第28-30页 |
2.5 本章小结 | 第30-31页 |
第三章 直流电机故障特征分析和故障分类 | 第31-40页 |
3.1 前言 | 第31页 |
3.2 直流电机故障诊断特征参量分析 | 第31-35页 |
3.2.1 直流电机空载时电枢电流分析 | 第31-33页 |
3.2.2 直流电机负载时电枢电流分析 | 第33-34页 |
3.2.3 直流电机电枢电流谐波分析 | 第34-35页 |
3.3 直流电机故障分类 | 第35-39页 |
3.3.1 电枢故障 | 第36-37页 |
3.3.2 励磁故障 | 第37-38页 |
3.3.3 换向故障 | 第38页 |
3.3.4 机械故障 | 第38-39页 |
3.4 本章小结 | 第39-40页 |
第四章 直流电机故障仿真分析 | 第40-55页 |
4.1 直流电机正常状态仿真分析 | 第40-41页 |
4.2 直流电机单个故障状态仿真分析 | 第41-51页 |
4.2.1 电枢故障仿真分析 | 第41-44页 |
4.2.2 励磁故障仿真分析 | 第44-46页 |
4.2.3 换向故障仿真分析 | 第46-47页 |
4.2.4 机械故障仿真分析 | 第47-50页 |
4.2.5 直流电机四类故障状态综合分析 | 第50-51页 |
4.3 直流电机多重故障状态仿真分析 | 第51-52页 |
4.4 直流电机故障诊断模型抗扰动仿真分析 | 第52-53页 |
4.5 本章小结 | 第53-55页 |
第五章 直流电机实际故障机理分析举例 | 第55-61页 |
5.1 电枢故障机理分析 | 第55-56页 |
5.2 励磁故障机理分析 | 第56-58页 |
5.3 换向故障机理分析 | 第58-59页 |
5.4 机械故障机理分析 | 第59-60页 |
5.5 本章小结 | 第60-61页 |
第六章 直流电机故障诊断模型训练和诊断结果 | 第61-81页 |
6.1 直流电机故障诊断模型参数的确定 | 第63-66页 |
6.1.1 训练样本的选取 | 第63-64页 |
6.1.2 输入输出层的确定 | 第64页 |
6.1.3 样本数据的预处理 | 第64-66页 |
6.1.4 选择激活函数 | 第66页 |
6.2 负载扰动诊断结果 | 第66-71页 |
6.2.1 负载扰动下优化前网络训练和诊断结果 | 第66-68页 |
6.2.2 负载扰动下BP神经网络的灰色关联分析优化 | 第68-69页 |
6.2.3 负载扰动下优化后网络训练和诊断结果 | 第69-71页 |
6.3 电枢故障诊断结果 | 第71-73页 |
6.4 励磁故障诊断结果 | 第73-75页 |
6.5 换向故障诊断结果 | 第75-78页 |
6.6 机械故障诊断结果 | 第78-80页 |
6.7 本章小结 | 第80-81页 |
结论与展望 | 第81-83页 |
参考文献 | 第83-89页 |
攻读硕士学位期间取得的研究成果 | 第89-90页 |
致谢 | 第90-91页 |
附件 | 第91页 |