首页--交通运输论文--铁路运输论文--机车工程论文--机务段、机车保养与检修论文--电力机车检修论文

动车组牵引电机故障诊断方法研究

摘要第4-5页
Abstract第5-6页
1 绪论第10-19页
    1.1 论文研究的背景及意义第10-11页
    1.2 设备故障诊断技术研究概述第11-14页
        1.2.1 设备故障诊断技术的工作原理第11页
        1.2.2 国外研究现状第11-12页
        1.2.3 国内研究现状第12页
        1.2.4 设备故障诊断技术的基本方法第12-14页
    1.3 动车组牵引电机故障诊断技术概况第14-17页
        1.3.1 动车组牵引电机故障诊断国内外研究现状第14页
        1.3.2 动车组牵引电机故障诊断的基本原理与故障信号采集技术第14-15页
        1.3.3 动车组牵引电机故障信号分析和处理方法第15-16页
        1.3.4 动车组牵引电机故障诊断方法及存在的问题第16-17页
    1.4 论文主要工作与结构第17-19页
2 动车组牵引电机故障及机理研究第19-38页
    2.1 动车组交流牵引电机第19页
    2.2 动车组牵引电机工作原理及常见故障类型第19-21页
        2.2.1 动车组牵引电机构造及基本工作原理第19-20页
        2.2.2 动车组牵引电机常见故障第20-21页
    2.3 动车组牵引电机常见故障的机理分析第21-37页
        2.3.1 定子电流法诊断原理第21页
        2.3.2 转子故障机理分析第21-25页
        2.3.3 定子故障机理分析第25-27页
        2.3.4 电机偏心故障机理分析第27-29页
        2.3.5 轴承故障机理分析第29-37页
    2.4 小结第37-38页
3 基于小波分析理论的牵引电机故障信号去噪与特征提取第38-56页
    3.1 信号分析的发展过程第38-44页
        3.1.1 傅里叶变换第38-39页
        3.1.2 小波变换第39-40页
        3.1.3 多分辨率分析第40-41页
        3.1.4 小波包分析第41-44页
    3.2 小波包分析在信号消噪中的应用第44-48页
        3.2.1 小波基函数的选择第45-46页
        3.2.2 小波包去噪阈值选取第46页
        3.2.3 小波包去噪的效果评价第46页
        3.2.4 小波包去噪的仿真分析第46-48页
    3.3 基于小波包分析的信号特征提取第48-55页
        3.3.1 频带分析技术第48页
        3.3.2 利用小波包进行特征向量提取第48-51页
        3.3.3 小波包在动车组牵引电机故障特征向量提取中的应用第51-55页
    3.4 小结第55-56页
4 基于 SVM 的动车组牵引电机故障诊断方法第56-70页
    4.1 统计学习基本理论第56-58页
    4.2 SVM 理论基础第58-62页
        4.2.1 SVM 基本思想第58-60页
        4.2.2 核函数方法第60-61页
        4.2.3 SVM 分类算法第61-62页
    4.3 最小二乘支持向量机第62-69页
        4.3.1 最小二乘支持向量机算法第62-63页
        4.3.2 最小二乘支持向量机中参数 C , 对分类性能影响的仿真研究第63-66页
        4.3.3 多类分类问题到二分类问题的转换第66-67页
        4.3.4 最小二乘支持向量机在动车组牵引电机故障分类中的应用第67-69页
    4.4 小结第69-70页
5 基于粒子群优化的支持向量机的动车组牵引电机故障诊断方法第70-77页
    5.1 粒子群算法第70-73页
        5.1.1 粒子群算法理论基础第70-72页
        5.1.2 几种改进的粒子群优化算法第72-73页
    5.2 粒子群优化的支持向量机在动车组牵引电机故障分类中的应用第73-76页
    5.3 小结第76-77页
结论第77-78页
致谢第78-79页
参考文献第79-82页
攻读学位期间的研究成果第82页

论文共82页,点击 下载论文
上一篇:高速公路沥青路面大修方案优选方法研究
下一篇:CTCS-3级列控系统的可靠性与安全性研究