| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第1章 绪论 | 第12-22页 |
| ·课题概述 | 第12-13页 |
| ·课题来源 | 第12页 |
| ·课题研究的目的及意义 | 第12-13页 |
| ·感应电动机常见故障 | 第13-16页 |
| ·机械类故障 | 第13-15页 |
| ·电气类故障 | 第15-16页 |
| ·电机故障状态监测方法 | 第16-18页 |
| ·电机故障诊断方法研究现状 | 第18-20页 |
| ·本论文的主要工作内容 | 第20-22页 |
| 第2章 感应电动机及其常见故障的理论 | 第22-32页 |
| ·感应电动机基本原理 | 第22-24页 |
| ·感应电动机的构造 | 第22-23页 |
| ·感应电动机的基本工作原理 | 第23-24页 |
| ·感应电动机的工作特性 | 第24-25页 |
| ·感应电动机故障特征及其机理分析 | 第25-30页 |
| ·轴承故障特征及其机理分析 | 第25-27页 |
| ·定子绕组匝间短路故障特征及其机理分析 | 第27-29页 |
| ·转子断条故障特征及其机理分析 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 基于虚拟仪器的信号采集系统 | 第32-48页 |
| ·引言 | 第32页 |
| ·虚拟仪器简介 | 第32-33页 |
| ·虚拟仪器基本概念 | 第32-33页 |
| ·虚拟仪器工作原理 | 第33页 |
| ·采集系统整体框架结构 | 第33-34页 |
| ·采集系统传感器的选择与安装 | 第34-39页 |
| ·振动传感器的选择 | 第34-35页 |
| ·噪声传感器的选择 | 第35-36页 |
| ·电流传感器的选择 | 第36-37页 |
| ·温度传感器的选择 | 第37-38页 |
| ·传感器的位置配置 | 第38-39页 |
| ·采集卡的选择 | 第39-41页 |
| ·LABVIEW 平台下的信号采集程序设计 | 第41-46页 |
| ·信号采集任务基础 | 第42-44页 |
| ·信号采集与存储测试 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 基于 EMD-ICA 的感应电动机信号处理 | 第48-60页 |
| ·引言 | 第48页 |
| ·独立分量分析基本原理 | 第48-53页 |
| ·ICA 的基本模型 | 第48-49页 |
| ·ICA 的应用条件 | 第49页 |
| ·FastICA 算法 | 第49-51页 |
| ·仿真信号的 ICA 分离 | 第51-53页 |
| ·经验模态分解基本原理 | 第53-55页 |
| ·本征模函数分量的概念 | 第54页 |
| ·EMD 分解流程 | 第54-55页 |
| ·基于 LABVIEW 的 EMD-ICA 信号处理应用 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 基于多源信息融合的特征向量构造 | 第60-76页 |
| ·引言 | 第60页 |
| ·时域特征参数提取 | 第60-62页 |
| ·频域特征参数提取 | 第62-63页 |
| ·基于 LABVIEW 的时域、频域特征参数提取 | 第63-64页 |
| ·基于信息熵的 IMF 能量分析 | 第64-67页 |
| ·自信息 | 第64页 |
| ·信息熵 | 第64-65页 |
| ·IMF 能量熵 | 第65-67页 |
| ·基于 LABVIEW 的 IMF 能量特征参数提取 | 第67-68页 |
| ·多源信息融合 | 第68-70页 |
| ·多源信息融合概述 | 第68-69页 |
| ·多源信息融合分类 | 第69-70页 |
| ·基于 KPCA 的特征向量构造 | 第70-75页 |
| ·核函数方法简介 | 第71-72页 |
| ·KPCA 的基本概念 | 第72-73页 |
| ·KPCA 的基本原理 | 第73-74页 |
| ·KPCA 的执行步骤 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第6章 基于 SVM 的感应电动机故障诊断实现 | 第76-88页 |
| ·引言 | 第76页 |
| ·常用模式识别方法简介 | 第76-77页 |
| ·支持向量机概述 | 第77-81页 |
| ·最优分类超平面 | 第77-78页 |
| ·线型 SVM | 第78-80页 |
| ·非线型 SVM | 第80-81页 |
| ·SVM 多分类器模型的构建 | 第81-83页 |
| ·SVM 多分类器构成方法的选择 | 第81-82页 |
| ·SVM 核函数选择及参数的确定 | 第82-83页 |
| ·SVM 的工程应用 | 第83-86页 |
| ·本章小结 | 第86-88页 |
| 第7章 结论与展望 | 第88-90页 |
| ·研究工作总结 | 第88页 |
| ·工作展望 | 第88-90页 |
| 参考文献 | 第90-94页 |
| 攻读硕士学位期间发表的学术论文 | 第94-96页 |
| 致谢 | 第96页 |
