基于数据融合的异步电动机故障诊断研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 引言 | 第8-19页 |
| ·电机故障诊断 | 第8-9页 |
| ·本课题研究的现状和存在的问题 | 第9-15页 |
| ·电机故障诊断技术及发展现状 | 第9-11页 |
| ·电机故障诊断常用的方法 | 第11-13页 |
| ·故障信号常用分析方法及其存在的问题 | 第13-15页 |
| ·数据融合理论的研究及其在电机领域中的应用 | 第15-17页 |
| ·数据融合基本理论 | 第15-16页 |
| ·数据融合的应用概况 | 第16-17页 |
| ·本文的主要内容及安排 | 第17-19页 |
| 2 多传感器数据融合 | 第19-31页 |
| ·数据融合的定义 | 第19-20页 |
| ·数据融合的原理 | 第20-21页 |
| ·数据融合的过程 | 第21-22页 |
| ·数据融合的级别 | 第22-25页 |
| ·数据层融合 | 第22-23页 |
| ·特征层融合 | 第23-24页 |
| ·决策层融合 | 第24页 |
| ·三种融合方法的比较 | 第24-25页 |
| ·数据融合的方法 | 第25-28页 |
| ·基于估计的数据融合方法 | 第25-26页 |
| ·基于统计的数据融合方法 | 第26页 |
| ·基于信息论的数据融合方法 | 第26-27页 |
| ·基于人工智能的数据融合方法 | 第27-28页 |
| ·多传感器数据融合的主要特点及发展方向 | 第28-29页 |
| ·数据融合的主要特点 | 第28-29页 |
| ·数据融合的发展方向 | 第29页 |
| ·本章小结 | 第29-31页 |
| 3 基于证据理论的数据融合方法 | 第31-39页 |
| ·证据理论的基本原理 | 第31-35页 |
| ·D-S 证据理论基本概念 | 第31-33页 |
| ·组合规则 | 第33-34页 |
| ·证据的折扣 | 第34页 |
| ·基于证据理论的决策 | 第34-35页 |
| ·证据理论的基本步骤 | 第35页 |
| ·证据理论的优缺点 | 第35-36页 |
| ·融合算法 | 第36-37页 |
| ·算例分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 信号的预处理与特征提取 | 第39-47页 |
| ·小波去噪方法 | 第39-42页 |
| ·噪声在小波分解下的特性 | 第40-41页 |
| ·小波去噪 | 第41-42页 |
| ·小波去噪中阈值的选取规则 | 第42页 |
| ·基于小波包的特征提取 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 5 异步电机故障诊断仿真实验研究 | 第47-76页 |
| ·异步电机数学模型 | 第47-59页 |
| ·异步电机基本原理及构造 | 第47-48页 |
| ·异步电机的工作特性 | 第48-49页 |
| ·异步电机的多变量数学模型 | 第49-56页 |
| ·异步电机的数学模型 | 第56-59页 |
| ·异步电机故障分析 | 第59-65页 |
| ·电机正常状态下的仿真分析 | 第60-63页 |
| ·电机故障状态下的仿真分析 | 第63-64页 |
| ·电机损坏程度对故障信号的影响 | 第64-65页 |
| ·信号的特征提取 | 第65-68页 |
| ·电气基本特征参数的含义 | 第65-66页 |
| ·输出电流的特征提取 | 第66页 |
| ·振动参数的特征提取 | 第66-68页 |
| ·数据融合技术在异步电机故障诊断中的应用 | 第68-74页 |
| ·异步电机故障诊断的数据融合结构 | 第68页 |
| ·识别框架的建立 | 第68-69页 |
| ·基本概率赋值的获取 | 第69-70页 |
| ·数据融合的具体方法 | 第70-71页 |
| ·典型状态分析 | 第71-74页 |
| ·本章小结 | 第74-76页 |
| 6 结论与展望 | 第76-78页 |
| ·结论 | 第76页 |
| ·展望 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 附录 | 第81-87页 |
| 致谢 | 第87页 |
