首页--交通运输论文--公路运输论文--汽车保养与修理论文

电动车辆永磁同步驱动电机电气故障诊断方法研究

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

论文共100页,点击 下载论文
上一篇:福建省绿色施工技术与管理体系的应用研究
下一篇:低速环境下的智能车无人驾驶技术研究