| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景及其意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要工作 | 第12-14页 |
| 第2章 高压断路器机械故障诊断方案设计 | 第14-19页 |
| 2.1 高压断路器基本结构及工作原理 | 第14-15页 |
| 2.2 高压断路器常见机械故障类型 | 第15-17页 |
| 2.3 高压断路器监测系统与故障诊断方案设计 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 振动信号和声波信号的监测与故障诊断分析 | 第19-31页 |
| 3.1 振动信号的特点与监测 | 第19-21页 |
| 3.2 振动信号的特征向量提取与分析 | 第21-23页 |
| 3.3 基于振动信号的高压断路器故障诊断 | 第23-24页 |
| 3.4 声波信号的特点与采集 | 第24-25页 |
| 3.5 声波信号的分析与特征向量提取 | 第25-28页 |
| 3.6 基于声波信号的高压断路器故障诊断 | 第28-29页 |
| 3.7 本章小结 | 第29-31页 |
| 第4章 基于改进 EEMD 的高压断路器振声联合故障诊断方法 | 第31-40页 |
| 4.1 振声联合机械故障诊断方法原理 | 第31-32页 |
| 4.2 快速核独立分量分析(Fast KICA) | 第32页 |
| 4.3 改进集合经验模式分解 EEMD 方法 | 第32-33页 |
| 4.4 基于改进 EEMD 的故障诊断的实验分析 | 第33-39页 |
| 4.4.1 特征向量的提取 | 第34-36页 |
| 4.4.2 基于支持向量机的故障识别 | 第36-37页 |
| 4.4.3 IMF 个数对分类正确率的影响 | 第37页 |
| 4.4.4 振声联合诊断与单一信号诊断性能对比 | 第37-39页 |
| 4.5 小结 | 第39-40页 |
| 第5章 基于振-声-时三维图的高压断路器机械故障诊断方法 | 第40-47页 |
| 5.1 基于振-声-时三维图的高压断路器机械故障诊断总体方案 | 第40页 |
| 5.2 三维图特征向量的提取与故障诊断 | 第40-45页 |
| 5.2.1 分级多时标信号对准构建三维图 | 第40-41页 |
| 5.2.2 基于形状的特征向量提取 | 第41-44页 |
| 5.2.3 基于粒子群优化的模糊支持向量机 | 第44-45页 |
| 5.2.4 诊断步骤 | 第45页 |
| 5.3 基于振-声-时三维图的故障诊断应用分析 | 第45-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第6章 结论与展望 | 第47-49页 |
| 6.1 结论 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表的论文 | 第53-54页 |
| 致谢 | 第54页 |
