| 致谢 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| Extended Abstract | 第9-12页 |
| 目录 | 第12-16页 |
| 图清单 | 第16-19页 |
| 表清单 | 第19-21页 |
| 1 绪论 | 第21-36页 |
| ·研究目的和意义 | 第21-22页 |
| ·感应电机定转子故障诊断技术的研究现状 | 第22-27页 |
| ·微粒群优化算法及其在故障诊断中的应用 | 第27-34页 |
| ·本文的主要研究内容 | 第34-35页 |
| ·论文约定 | 第35-36页 |
| 2 基于单纯形法和改进骨干微粒群算法的混合优化算法 | 第36-56页 |
| ·研究背景 | 第36-37页 |
| ·骨干微粒群算法和单纯形法 | 第37-39页 |
| ·改进的骨干微粒群算法 | 第39-41页 |
| ·基于单纯形法和改进骨干微粒群算法的混合优化算法 | 第41-43页 |
| ·收敛性分析 | 第43-44页 |
| ·复杂度分析 | 第44-45页 |
| ·实验及分析 | 第45-55页 |
| ·本章小结 | 第55-56页 |
| 3 基于混合骨干微粒群算法的感应电机转子断条故障检测 | 第56-75页 |
| ·研究背景 | 第56-57页 |
| ·转子断条故障特征的机理分析 | 第57-59页 |
| ·基于混合骨干微粒群算法的基波滤除方法 | 第59-61页 |
| ·实验及分析 | 第61-73页 |
| ·本章小结 | 第73-75页 |
| 4 基于混合骨干微粒群算法的感应电机定子故障检测 | 第75-98页 |
| ·研究背景 | 第75-76页 |
| ·基于 SM-MBBPSO 和小波包的感应电机定子故障检测方法 | 第76-88页 |
| ·基于 SM-MBBPSO 算法提取正负序相量的感应电机定子故障检测方法 | 第88-96页 |
| ·本章小结 | 第96-98页 |
| 5 基于混合骨干微粒群算法和支持向量机的感应电机定转子故障识别 | 第98-115页 |
| ·研究背景 | 第98-99页 |
| ·支持向量机 | 第99-104页 |
| ·混合骨干微粒群算法优化支持向量机参数 | 第104-106页 |
| ·基于 SM-MBBPSO 和 SVM 的定转子故障识别方法 | 第106-109页 |
| ·实验及分析 | 第109-114页 |
| ·本章小结 | 第114-115页 |
| 6 结论 | 第115-118页 |
| ·全文总结 | 第115-116页 |
| ·进一步研究工作的展望 | 第116-118页 |
| 参考文献 | 第118-131页 |
| 作者简历 | 第131-133页 |
| 学位论文数据集 | 第133页 |
