| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 同步发电机故障诊断的研究现状和发展动态 | 第12-15页 |
| 1.2.1 发电机的状态监测与故障诊断研究现状 | 第12页 |
| 1.2.2 匝间短路故障诊断国内外研究现状 | 第12-15页 |
| 1.3 本文的主要研究工作 | 第15-17页 |
| 第二章 同步发电机转子故障机理 | 第17-28页 |
| 2.1 同步发电机转子的基本结构 | 第17-19页 |
| 2.1.1 转子的基本结构 | 第17-18页 |
| 2.1.2 转子绕组结构 | 第18-19页 |
| 2.2 转子绕组匝间短路的故障机理 | 第19-21页 |
| 2.2.1 造成短路的原因 | 第19-20页 |
| 2.2.2 匝间短路的形式和发展过程 | 第20-21页 |
| 2.3 转子绕组匝间短路故障的电磁特性分析 | 第21-27页 |
| 2.3.1 匝间短路电磁特性分析 | 第21-22页 |
| 2.3.2 励磁电流的数学模型 | 第22-25页 |
| 2.3.3 故障仿真 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 小波包故障信号提取和神经网络理论 | 第28-37页 |
| 3.1 小波包分析的定义及性质 | 第28-29页 |
| 3.1.1 小波包的定义 | 第28-29页 |
| 3.1.2 小波包分解和重构 | 第29页 |
| 3.2 小波包能量谱提取故障特征信号 | 第29-31页 |
| 3.2.1 小波包能量谱 | 第29-30页 |
| 3.2.2 采用小波包能量谱提取故障特征信号 | 第30-31页 |
| 3.3 BP人工神经网络 | 第31-36页 |
| 3.3.1 人工神经网络的基本理论 | 第31页 |
| 3.3.2 BP神经网络的结构模型 | 第31-32页 |
| 3.3.3 BP神经网络的算法实现 | 第32-35页 |
| 3.3.4 BP神经网络的不足 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 改进混合蛙跳算法-BP神经网络 | 第37-49页 |
| 4.1 混合蛙跳算法的改进和测试 | 第37-45页 |
| 4.1.1 混合蛙跳算法的基本思想 | 第37页 |
| 4.1.2 基本混合蛙跳算法实现 | 第37-39页 |
| 4.1.3 混合蛙跳算法的改进 | 第39-40页 |
| 4.1.4 改进混合蛙跳算法性能测试 | 第40-45页 |
| 4.2 ISFLA-BP神经网络诊断模型 | 第45-47页 |
| 4.2.1 ISFLA-BP神经网络结构 | 第45-47页 |
| 4.2.2 ISFLA-BP神经网络的运行步骤 | 第47页 |
| 4.3 本章小结 | 第47-49页 |
| 第五章 转子绕组匝间短路故障诊断方法 | 第49-65页 |
| 5.1 故障诊断网络模型的构建 | 第49-56页 |
| 5.1.1 小波包分析和ISFLA-BP神经网络的结合方式 | 第49-51页 |
| 5.1.2 ISFLA-BP神经网络的参数确定 | 第51-56页 |
| 5.2 基于ISFLA-BP神经网络的转子匝间故障诊断 | 第56-61页 |
| 5.2.1 故障特征值的提取 | 第56-60页 |
| 5.2.2 ISFLA-BP神经网络的匝间短路故障诊断方法 | 第60-61页 |
| 5.3 基于BP神经网络的匝间短路故障诊断 | 第61-64页 |
| 5.3.1 BP神经网络的改进 | 第61-62页 |
| 5.3.2 BP神经网络的参数选择 | 第62-63页 |
| 5.3.3 网络训练 | 第63页 |
| 5.3.4 故障诊断结果 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 总结和展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 附录A 攻读硕士学位期间发表的论文 | 第73页 |
