基于小波包神经网络的变频调速系统故障诊断的研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-21页 |
| ·研究背景及意义 | 第10-13页 |
| ·研究背景 | 第10-11页 |
| ·故障诊断技术的研究内容 | 第11-12页 |
| ·研究故障诊断技术的目的及意义 | 第12-13页 |
| ·故障诊断技术的研究现状 | 第13-14页 |
| ·设备故障诊断技术发展趋势 | 第14-15页 |
| ·问题的提出及研究意义 | 第15-19页 |
| ·变频调速系统故障诊断的研究现状 | 第16-18页 |
| ·变频调速系统故障诊断研究中需要解决的关键问题 | 第18-19页 |
| ·本文的主要内容及安排 | 第19-20页 |
| ·课题来源 | 第20-21页 |
| 2 小波分析及小波包分析 | 第21-35页 |
| ·引言 | 第21-22页 |
| ·小波及小波包分析 | 第22-25页 |
| ·小波变换的定义及性质 | 第22-23页 |
| ·小波变换及其逆变换 | 第23-24页 |
| ·多分辨分析 | 第24-25页 |
| ·小波包分析 | 第25-29页 |
| ·小波包的空间分解 | 第26-27页 |
| ·小波包分解算法 | 第27-29页 |
| ·最优小波包基的选择 | 第29-31页 |
| ·基本原理 | 第29-30页 |
| ·最优小波包基的快速搜索法 | 第30-31页 |
| ·基于频带分析技术的故障特征提取方法 | 第31-34页 |
| ·小结 | 第34-35页 |
| 3 小波包神经网络 | 第35-43页 |
| ·神经网络概述 | 第35页 |
| ·人工神经元模型 | 第35-36页 |
| ·神经网络的拓扑结构 | 第36页 |
| ·神经网络的学习规则 | 第36-38页 |
| ·BP 神经网络 | 第38-40页 |
| ·小波神经网络 | 第40-41页 |
| ·小波分析与神经网络的结合途径 | 第40-41页 |
| ·小波分析与神经网络的松散结合 | 第41页 |
| ·本章小结 | 第41-43页 |
| 4 实验系统及变频器故障诊断 | 第43-65页 |
| ·系统硬件组成 | 第43-46页 |
| ·主回路 | 第43页 |
| ·控制回路 | 第43-44页 |
| ·信号采集 | 第44-46页 |
| ·变频调速系统故障类型 | 第46-48页 |
| ·小波消噪在变频器故障信号预处理中的应用 | 第48-57页 |
| ·小波消噪方法中小波基的选取 | 第49-50页 |
| ·基于原始信号的阈值的选取 | 第50-53页 |
| ·基于样本估计的阈值的选取 | 第53-55页 |
| ·阈值作用方法的研究 | 第55-57页 |
| ·变频器输出电压的特点分析 | 第57-60页 |
| ·变频器输出电流的特点分析 | 第60-63页 |
| ·基于改进小波包算法的特征提取研究 | 第63-64页 |
| ·小结 | 第64-65页 |
| 5 小波包神经网络在电机故障诊断中的应用研究 | 第65-86页 |
| ·电机常见故障及诊断方法 | 第65页 |
| ·电机断条故障诊断的研究 | 第65-70页 |
| ·小波包分析技术在电机转子断条中的应用 | 第66-69页 |
| ·基于小波包频带能量的电机断条故障诊断的研究 | 第69-70页 |
| ·基于振动分析的电机故障诊断的研究 | 第70-78页 |
| ·振动诊断技术的概述 | 第70-71页 |
| ·电机振动的类型和特征 | 第71-78页 |
| ·小波包神经网络在电机故障诊断中的实例分析 | 第78-85页 |
| ·引言 | 第78-79页 |
| ·电机故障诊断 BP 网络设计 | 第79-85页 |
| ·小结 | 第85-86页 |
| 6 结论与展望 | 第86-88页 |
| ·结论 | 第86-87页 |
| ·展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 附录 | 第92-93页 |
| 作者简历 | 第93-94页 |
| 学位论文数据集 | 第94-95页 |
| 详细摘要 | 第95-98页 |
