| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 电力电子装置故障特点及其诊断思想 | 第9页 |
| 1.3 电力电子装置故障诊断方法的研究现状 | 第9-13页 |
| 1.3.1 基于数学模型的方法 | 第9-10页 |
| 1.3.2 基于信号处理的方法 | 第10-11页 |
| 1.3.3 基于知识的方法 | 第11-13页 |
| 1.4 本文的主要研究内容 | 第13-14页 |
| 第二章 三电平逆变器的故障分析及故障建模 | 第14-24页 |
| 2.1 三电平逆变器的基本原理 | 第14-19页 |
| 2.1.1 多电平逆变器简介 | 第14页 |
| 2.1.2 三电平逆变器的拓扑结构 | 第14-15页 |
| 2.1.3 三电平逆变器的工作原理 | 第15-17页 |
| 2.1.4 三电平逆变器故障类型分析 | 第17-19页 |
| 2.2 三电平逆变器的故障建模 | 第19-23页 |
| 2.2.1 仿真工具 Simulink 简介 | 第19页 |
| 2.2.2 三电平逆变器的模型搭建 | 第19-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于专家规则的三电平逆变器故障诊断 | 第24-36页 |
| 3.1 三电平逆变器故障仿真及分析 | 第24-31页 |
| 3.2 三电平逆变器单相故障诊断 | 第31-34页 |
| 3.3 本章小结 | 第34-36页 |
| 第四章 基于遗传算法与神经网络的三电平逆变器故障诊断 | 第36-58页 |
| 4.1 神经网络的简介 | 第36页 |
| 4.2 BP 神经网络 | 第36-41页 |
| 4.2.1 BP 神经网络拓扑结构 | 第36-37页 |
| 4.2.2 BP 学习算法步骤 | 第37-40页 |
| 4.2.3 神经网络在故障诊断中的应用 | 第40-41页 |
| 4.3 基于神经网络的三电平逆变器 IGBT 故障诊断 | 第41-49页 |
| 4.3.1 故障特征参数的提取 | 第41-43页 |
| 4.3.2 神经网络样本的选取 | 第43-46页 |
| 4.3.3 BP 神经网络的建立 | 第46页 |
| 4.3.4 神经网络与专家规则结合 | 第46-47页 |
| 4.3.5 仿真实验结果及其分析 | 第47-49页 |
| 4.4 遗传算法优化 BP 神经网络 | 第49-56页 |
| 4.4.1 遗传算法简介 | 第49-50页 |
| 4.4.2 遗传算法优化 BP 神经网络流程图 | 第50-51页 |
| 4.4.3 遗传算法实现步骤 | 第51-52页 |
| 4.4.4 基于 GA-BP 的三电平逆变器 IGBT 故障诊断 | 第52-56页 |
| 4.4.5 诊断结果分析 | 第56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 基于 DSP 的实时在线故障诊断系统设计 | 第58-70页 |
| 5.1 系统整体结构的设计 | 第58-59页 |
| 5.1.1 前言 | 第58页 |
| 5.1.2 系统整体结构的设计 | 第58-59页 |
| 5.2 硬件电路设计 | 第59-64页 |
| 5.2.1 DSP 系统简介 | 第59-60页 |
| 5.2.2 DSP 部分外围电路 | 第60-64页 |
| 5.3 软件部分的设计 | 第64-68页 |
| 5.3.1 系统初始化 | 第64-65页 |
| 5.3.2 A/D 采样子程序 | 第65-66页 |
| 5.3.3 故障诊断与显示子程序 | 第66-67页 |
| 5.3.4 过流保护子程序 | 第67-68页 |
| 5.4 实验验证方案 | 第68-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 结论 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 对下一步工作的展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读学位期间所取得的相关科研成果 | 第76-78页 |
| 致谢 | 第78页 |
