基于神经网络的电机故障诊断方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·故障诊断模型的国内外发展现状 | 第11-12页 |
| ·电机问题解决系统技术的发展状况 | 第12-13页 |
| ·基于神经网络的电机问题解决系统发展状况 | 第13-14页 |
| ·神经网络的发展与应用 | 第13页 |
| ·基于神经网络的电机问题解决系统方法 | 第13-14页 |
| ·本文的主要内容及结构安排 | 第14-16页 |
| 第二章 电机故障机理 | 第16-27页 |
| ·电机常见故障 | 第16-17页 |
| ·电机常用故障诊断技术 | 第17-19页 |
| ·电机故障的检测与诊断方法 | 第19-25页 |
| ·转子故障的诊断方法 | 第19-22页 |
| ·定子绕组匝间短路故障检测与诊断方法 | 第22-23页 |
| ·轴承故障检测与诊断方法 | 第23-25页 |
| 本章小结 | 第25-27页 |
| 第三章 常用神经网络理论基础介绍 | 第27-45页 |
| ·神经网络基本理论 | 第27-31页 |
| ·神经网络的发展 | 第27-28页 |
| ·神经网络的结构 | 第28-30页 |
| ·神经网络的主要特点 | 第30-31页 |
| ·基于BP模型的神经网络理论 | 第31-35页 |
| ·BP网络的结构 | 第31-32页 |
| ·BP神经网络的学习过程 | 第32-35页 |
| ·基于RBF模型的神经网络理论 | 第35-43页 |
| ·RBF神经网络结构 | 第35-36页 |
| ·RBF神经网络基函数的选择 | 第36-38页 |
| ·RBF神经网络的学习算法 | 第38-43页 |
| ·RBF网络与BP网络的对比 | 第43-44页 |
| ·神经网络的构建比较 | 第43页 |
| ·神经网络中间层的确定 | 第43页 |
| ·隐层节点数确定的比较 | 第43-44页 |
| 本章小结 | 第44-45页 |
| 第四章 . 基于RBF网络的电机故障诊断模型 | 第45-57页 |
| ·建立故障诊断模型 | 第45-51页 |
| ·故障诊断模型的结构 | 第45-46页 |
| ·故障诊断模型的建模 | 第46-51页 |
| ·电机信号的采集与特征提取 | 第51-56页 |
| ·信号采集系统 | 第51-53页 |
| ·测点布置 | 第53-54页 |
| ·故障信号的特征提取 | 第54-56页 |
| 本章总结 | 第56-57页 |
| 第五章 故障诊断模型的训练与测试 | 第57-62页 |
| ·故障诊断子模型的训练与测试 | 第57-59页 |
| ·故障诊断子模型的训练 | 第57-59页 |
| ·故障模型验证 | 第59-61页 |
| 本章总结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 总结 | 第62页 |
| 工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |
