| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 故障诊断方法研究现状 | 第14-20页 |
| 1.2.2 气隙偏心故障研究现状 | 第20页 |
| 1.3 本文的主要内容及安排 | 第20-22页 |
| 第二章 感应电机气隙偏心故障特征指标 | 第22-36页 |
| 2.1 气隙偏心介绍 | 第22-23页 |
| 2.2 机理分析 | 第23-29页 |
| 2.2.1 常情况下磁拉力 | 第24-26页 |
| 2.2.2 静偏心故障下的单边磁拉力 | 第26-27页 |
| 2.2.3 动偏心故障下的单边磁拉力 | 第27-28页 |
| 2.2.4 混合偏心故障下的单边磁拉力 | 第28-29页 |
| 2.3 磁拉力分析 | 第29-34页 |
| 2.3.1 公式分析 | 第29-30页 |
| 2.3.2 仿真分析 | 第30-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第三章 感应电机气隙偏心故障位置和故障程度的研究 | 第36-54页 |
| 3.1 信号处理方法 | 第36-38页 |
| 3.1.1 小波去噪 | 第36-38页 |
| 3.2 感应电机气隙偏心故障位置的研究 | 第38-45页 |
| 3.2.1 仿真分析 | 第39-41页 |
| 3.2.2 实验分析 | 第41-45页 |
| 3.3 感应电机气隙偏心故障程度的研究 | 第45-51页 |
| 3.3.1 理论分析 | 第45-47页 |
| 3.3.2 仿真分析 | 第47-49页 |
| 3.3.3 实验分析 | 第49-51页 |
| 3.4 本章小结 | 第51-54页 |
| 第四章 基于小波包分解和神经网络的气隙偏心故障诊断 | 第54-70页 |
| 4.1 小波包分解的应用 | 第54-58页 |
| 4.2 BP神经网络 | 第58-63页 |
| 4.2.1 BP神经网络原理 | 第58-59页 |
| 4.2.2 BP神经网络结构 | 第59-60页 |
| 4.2.3 BP学习算法 | 第60-63页 |
| 4.3 仿真和实验验证 | 第63-67页 |
| 4.4 本章小结 | 第67-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 全文工作总结 | 第70-71页 |
| 5.2 研究工作展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 发表文章目录 | 第78页 |