| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题研究背景及意义 | 第11页 |
| ·故障诊断国内外研究与应用现状 | 第11-15页 |
| ·定性分析方法 | 第12-13页 |
| ·定量分析方法 | 第13-15页 |
| ·核方法及其在故障诊断中的应用 | 第15-16页 |
| ·支持向量机 | 第15-16页 |
| ·核主成分分析 | 第16页 |
| ·课题研究的目的 | 第16-18页 |
| ·核方法对IGBT故障的诊断 | 第17页 |
| ·核方法的先进性与优势 | 第17-18页 |
| ·本文的主要研究内容 | 第18-19页 |
| 第2章 ACS600变频器IGBT故障机理分析 | 第19-29页 |
| ·ACS600变频器的结构及工作原理 | 第19-21页 |
| ·ACS600工作原理 | 第19-20页 |
| ·ACS600整流单元与逆变器单元 | 第20-21页 |
| ·IGBT的故障机理分析 | 第21-25页 |
| ·IGBT的结构及工作原理 | 第21-22页 |
| ·IGBT的基本特性 | 第22-24页 |
| ·IGBT的主要参数 | 第24页 |
| ·IGBT的故障机理 | 第24-25页 |
| ·ACS600逆变器IGBT故障原因分析 | 第25-27页 |
| ·现场采集的模拟量 | 第26-27页 |
| ·故障类别及采用的故障诊断方法 | 第27页 |
| ·本章小结 | 第27-29页 |
| 第3章 基于核主元分析的故障检测方法研究 | 第29-43页 |
| ·主元分析特征提取及故障检测 | 第29-34页 |
| ·IGBT的主元分析故障特征提取 | 第29-32页 |
| ·IGBT的主元分析故障检测 | 第32-34页 |
| ·核主元分析特征提取及故障检测 | 第34-39页 |
| ·核函数 | 第34-35页 |
| ·IGBT的核主元分析故障特征提取 | 第35-37页 |
| ·IGBT的核主元分析故障检测 | 第37-39页 |
| ·基于PCA与KPCA的IGBT故障特征提取效果对比 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第4章 基于支持向量机的故障分类算法研究 | 第43-59页 |
| ·统计学习理论与支持向量机 | 第43-49页 |
| ·统计学习理论的主要内容 | 第43-47页 |
| ·支持向量机 | 第47-49页 |
| ·基于支持向量机的IGBT多分类算法研究 | 第49-57页 |
| ·IGBT故障的多类分类问题 | 第49-51页 |
| ·基于IGBT故障特征数据的支持向量机训练 | 第51-52页 |
| ·基于“一对一”分类方法的IGBT故障分类 | 第52-55页 |
| ·基于DAGSVM分类方法的IGBT故障分类 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 第5章 IGBT故障分类器分类性能改进 | 第59-73页 |
| ·影响分类器分类性能的因素 | 第59-60页 |
| ·核函数参数 | 第59页 |
| ·核函数 | 第59-60页 |
| ·基于IGBT故障分类的核参数优化研究 | 第60-66页 |
| ·核参数优化方法概述 | 第60页 |
| ·量子粒子群优化方法概述 | 第60-61页 |
| ·基于IGBT故障诊断核函数参数优化 | 第61-65页 |
| ·收缩-扩张因子选择对分类正确率的影响 | 第65-66页 |
| ·基于IGBT故障分类的核函数选择研究 | 第66-71页 |
| ·不同核函数组合仿真研究 | 第66-68页 |
| ·混合核函数仿真研究 | 第68-71页 |
| ·基于IGBT故障诊断结果及分析 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 第6章 结论与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |