WPT系统故障诊断技术研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究目的与意义 | 第9-10页 |
| 1.2.1 研究目的 | 第9页 |
| 1.2.2 研究意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 电力电子系统故障诊断的研究现状 | 第10-11页 |
| 1.3.2 WPT系统故障诊断的研究现状 | 第11-12页 |
| 1.3.3 WPT系统故障诊断技术的需求分析 | 第12页 |
| 1.4 论文的主要内容 | 第12-13页 |
| 2 WPT系统故障机理分析 | 第13-20页 |
| 2.1 WPT技术 | 第13-14页 |
| 2.2 WPT系统的故障成因和类型 | 第14-16页 |
| 2.2.1 WPT系统故障成因 | 第14-15页 |
| 2.2.2 WPT系统故障分类 | 第15-16页 |
| 2.3 WPT系统故障诊断的任务 | 第16-17页 |
| 2.4 WPT系统故障诊断的难点 | 第17页 |
| 2.5 WPT系统故障诊断的方法 | 第17-19页 |
| 2.5.1 电力电子系统故障诊断主要方法 | 第17-18页 |
| 2.5.2 WPT系统的故障诊断方法选取 | 第18-19页 |
| 2.6 本章小结 | 第19-20页 |
| 3 人工神经网络及其应用 | 第20-32页 |
| 3.1 人工神经网络概述 | 第20-23页 |
| 3.1.1 人工神经网络理论基本原理 | 第20-23页 |
| 3.1.2 人工神经网络的学习规则 | 第23页 |
| 3.1.3 激活函数和学习方式的选取 | 第23页 |
| 3.2 人工神经网络的分类 | 第23-26页 |
| 3.3 选取适用于WPT系统的人工神经网络 | 第26-27页 |
| 3.4 BP神经网络 | 第27-29页 |
| 3.4.1 BP神经网络的学习过程 | 第28页 |
| 3.4.2 BP神经网络的优点和不足 | 第28-29页 |
| 3.5 BP神经网络的设计原则 | 第29-30页 |
| 3.6 WPT系统故障特征数据的采集 | 第30-31页 |
| 3.7 本章小结 | 第31-32页 |
| 4 WPT系统故障诊断策略及系统容差参数设计 | 第32-45页 |
| 4.1 故障状态表的建立 | 第32-37页 |
| 4.1.1 WPT系统拓扑 | 第32-33页 |
| 4.1.2 WPT系统的故障 | 第33-36页 |
| 4.1.3 WPT系统的故障集 | 第36-37页 |
| 4.2 WPT系统故障诊断黑箱策略 | 第37-38页 |
| 4.3 器件的容差设定 | 第38-44页 |
| 4.3.1 器件参数变化对黑箱输出的影响 | 第39-43页 |
| 4.3.2 器件参数变化对系统灵敏度影响 | 第43-44页 |
| 4.4 器件容差设定及容错机制的建立 | 第44页 |
| 4.5 本章小结 | 第44-45页 |
| 5 基于BP神经网络的WPT系统故障诊断实现 | 第45-61页 |
| 5.1 WPT系统故障诊断方案 | 第45-46页 |
| 5.2 仿真实例 | 第46-51页 |
| 5.2.1 待测电路 | 第46-47页 |
| 5.2.2 故障特征采样点的选取 | 第47页 |
| 5.2.3 故障特征的数据采集 | 第47-48页 |
| 5.2.4 仿真结果 | 第48-51页 |
| 5.3 数据分析和预处理 | 第51-57页 |
| 5.3.1 因子分析的概念 | 第52页 |
| 5.3.2 因子分析的过程 | 第52-57页 |
| 5.4 BP神经网络的训练和测试 | 第57-59页 |
| 5.4.1 确定BP神经网络的结构 | 第57-58页 |
| 5.4.2 训练BP神经网络 | 第58-59页 |
| 5.5 BP神经网络的测试 | 第59-60页 |
| 5.6 本章小结 | 第60-61页 |
| 6 总结 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66页 |
| A. 作者在就读研究生期间发表的论文 | 第66页 |
| B. 作者在就读研究生期间参与的项目 | 第66页 |
| C. 作者在就读研究生期间获得的奖励 | 第66页 |
