摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-20页 |
1.1 课题背景及选题意义 | 第10-11页 |
1.2 电机故障诊断国内外研究现状 | 第11-14页 |
1.2.1 电机故障监测与故障诊断技术研究现状 | 第11-13页 |
1.2.2 永磁同步电机故障监测与诊断技术的特点 | 第13-14页 |
1.3 永磁同步电机故障诊断常用技术及发展趋势 | 第14-18页 |
1.3.1 基于电机动态模型方法 | 第14页 |
1.3.2 基于信号分析的方法 | 第14-17页 |
1.3.3 故障模式识别的人工智能方法综述 | 第17-18页 |
1.4 本文主要研究内容 | 第18-20页 |
1.4.1 主要内容 | 第18-19页 |
1.4.2 章节安排 | 第19-20页 |
第2章 永磁同步电机驱动系统基本结构及其电气故障树分析 | 第20-28页 |
2.1 永磁同步电机驱动系统基本结构 | 第20-23页 |
2.1.1 永磁同步电动机基本结构 | 第21页 |
2.1.2 逆变器基本结构 | 第21-22页 |
2.1.3 电机控制器 | 第22-23页 |
2.2 永磁同步电机电磁故障分析 | 第23-27页 |
2.2.1 故障树分析法简介 | 第23-24页 |
2.2.2 永磁同步电机电磁故障种类及原因 | 第24-27页 |
2.3 本章小结 | 第27-28页 |
第3章 永磁同步电机电驱动系统电气故障仿真分析 | 第28-51页 |
3.1 永磁同步电机驱动系统介绍 | 第28-37页 |
3.1.1 永磁同步电动机数学建模 | 第28-34页 |
3.1.2 常用永磁同步电机控制技术 | 第34-37页 |
3.2 基于Matlab/Simulink的电机驱动系统建模 | 第37-45页 |
3.2.1 永磁同步电机及驱动部分模型建立 | 第37-39页 |
3.2.2 单相、相间电气故障与失磁故障仿真 | 第39-45页 |
3.3 基于ANSOFT的电力驱动子系统建模 | 第45-50页 |
3.3.1 永磁同步电机有限元模型建立 | 第46-48页 |
3.3.2 匝间短路故障模型建立与仿真 | 第48-50页 |
3.4 本章小结 | 第50-51页 |
第4章 基于小波分解与集成神经网络的电机故障诊断方法研究 | 第51-74页 |
4.1 小波分析概述 | 第51-55页 |
4.1.1 小波分析 | 第51-53页 |
4.1.2 小波分解的物理意义 | 第53-54页 |
4.1.3 小波基的选取 | 第54-55页 |
4.2 人工神经网络 | 第55-65页 |
4.2.1 神经元 | 第55-58页 |
4.2.2 神经网络的特点和分类 | 第58-59页 |
4.2.3 神经网络的结构 | 第59-62页 |
4.2.4 BP和Elman网络 | 第62-65页 |
4.3 基于小波分解与集成神经网络的故障诊断方法 | 第65-73页 |
4.3.1 故障特征提取 | 第66-69页 |
4.3.2 神经网络训练 | 第69-71页 |
4.3.3 集成神经网络故障诊断结果分析 | 第71-73页 |
4.4 本章小结 | 第73-74页 |
第5章 电机台架实验与在线故障诊断系统设计 | 第74-86页 |
5.1 电机台架实验 | 第74-81页 |
5.1.1 台架实验电机参数 | 第74页 |
5.1.2 实验数据采集模块 | 第74-76页 |
5.1.3 数据采集、处理上位机界面设计 | 第76-77页 |
5.1.4 实验总体流程设计 | 第77-78页 |
5.1.5 实验结果分析 | 第78-81页 |
5.2 在线故障诊断系统硬件部分设计 | 第81-84页 |
5.2.1 需求分析 | 第81页 |
5.2.2 芯片选取 | 第81-82页 |
5.2.3 硬件电路设计 | 第82页 |
5.2.4 PCB板设计及最终实物图 | 第82-84页 |
5.3 永磁同步电机故障诊断模型 | 第84-85页 |
5.4 本章小结 | 第85-86页 |
第六章 总结与展望 | 第86-88页 |
6.1 研究内容总结 | 第86页 |
6.2 论文的创新之处 | 第86-87页 |
6.3 研究展望 | 第87-88页 |
参考文献 | 第88-95页 |
附录A(故障诊断系统硬件原理图) | 第95-99页 |
攻读硕士学位期间发表论文与研究成果清单 | 第99-100页 |
致谢 | 第100页 |