摘要 | 第1-5页 |
ABSTRACT | 第5-12页 |
第一章 绪论 | 第12-18页 |
·课题研究的背景和意义 | 第12-14页 |
·课题研究的现状和发展趋势 | 第14-16页 |
·电子设备故障预测研究的现状 | 第14-16页 |
·电力电子电路故障预测研究的热点难点和发展趋势 | 第16页 |
·本文研究的内容 | 第16-18页 |
第二章 相关理论预备知识 | 第18-31页 |
·马氏距离 | 第18页 |
·最小二乘支持向量机 | 第18-22页 |
·最小二乘法 | 第18-19页 |
·支持向量机理论 | 第19-21页 |
·最小二乘支持向量机回归[26] | 第21-22页 |
·BP 神经网络 | 第22-26页 |
·人工神经网络 | 第22-24页 |
·误差逆传播神经网络及其原理 | 第24-26页 |
·BP 神经网络的优点以及局限性 | 第26页 |
·遗传算法原理 | 第26-30页 |
·遗传算法简介 | 第26页 |
·遗传算法的基本流程 | 第26-30页 |
·本章小结 | 第30-31页 |
第三章 BUCK 电路退化分析和健康状态监控 | 第31-50页 |
·电力电子电路元器件退化分析及故障模式 | 第31-36页 |
·元器件的失效分布 | 第31-32页 |
·关键元器件的故障模式 | 第32-33页 |
·BUCK 电路元器件退化分析及对输出电压的影响 | 第33-36页 |
·BUCK 电路的健康状态监控 | 第36-49页 |
·建立健康状态监控的方法和步骤 | 第37-39页 |
·仿真实验 | 第39-49页 |
·本章小结 | 第49-50页 |
第四章 基于马氏距离的故障预测 | 第50-63页 |
·最小二乘支持向量机故障预测[40] | 第50-54页 |
·单步循环预测 | 第51-52页 |
·多步预测 | 第52-54页 |
·预测结果分析 | 第54页 |
·BP 神经网络故障预测 | 第54-62页 |
·训练数据和预测输入数据 | 第55页 |
·BP 神经网络无优化预测 | 第55-57页 |
·BP 神经网络遗传算法优化预测 | 第57-61页 |
·预测结果分析 | 第61-62页 |
·本章小结 | 第62-63页 |
第五章 基于小波变换和马氏距离的 BUCK 电路故障预测 | 第63-74页 |
·特征参数的提取 | 第63-65页 |
·小波分析简介 | 第63-64页 |
·输出电压的小波分解和故障特征参数的获得 | 第64-65页 |
·故障预测 | 第65-73页 |
·仿真实验 | 第65-68页 |
·BP 神经网络预测 | 第68-70页 |
·BP 神经网络遗传算法预测 | 第70-72页 |
·预测结果分析 | 第72-73页 |
·本章小结 | 第73-74页 |
第六章 总结与展望 | 第74-76页 |
·本文主要工作总结 | 第74页 |
·后续研究展望 | 第74-76页 |
参考文献 | 第76-80页 |
致谢 | 第80-81页 |
在学期间的研究成果及发表的学术论文 | 第81页 |