| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 本课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状以及发展趋势 | 第9-11页 |
| 1.3 本文的主要工作内容 | 第11-13页 |
| 第二章 真空开关操动机构的诊断原理 | 第13-24页 |
| 2.1 真空开关及其操动机构概述 | 第13-15页 |
| 2.2 真空开关操动机构常见的故障 | 第15-18页 |
| 2.3 操动机构的检测信号及分析 | 第18-23页 |
| 2.3.1 分合闸线圈电流信号 | 第19-21页 |
| 2.3.2 动触头行程-时间信号 | 第21-22页 |
| 2.3.3 动触头速度-时间信号 | 第22-23页 |
| 本章小结 | 第23-24页 |
| 第三章 基于BP神经网络的操动机构故障诊断系统 | 第24-39页 |
| 3.1 BP神经网络模型 | 第24-28页 |
| 3.1.1 BP神经网络概述 | 第24页 |
| 3.1.2 BP神经网络的结构 | 第24-25页 |
| 3.1.3 BP神经网络的求解过程 | 第25-28页 |
| 3.2 BP神经网络算法的改进 | 第28-31页 |
| 3.2.1 自适应算法 | 第29-30页 |
| 3.2.2 附加动量法 | 第30页 |
| 3.2.3 弹性BP算法 | 第30-31页 |
| 3.2.4 L-M算法 | 第31页 |
| 3.3 基于BP神经网络的操动机构故障诊断系统 | 第31-38页 |
| 3.3.1 BP网络样本的选取 | 第32-33页 |
| 3.3.2 特征向量的预处理 | 第33-34页 |
| 3.3.3 BP神经网络模型的训练 | 第34-38页 |
| 本章小结 | 第38-39页 |
| 第四章 基于遗传算法的BP神经网络操动机构故障诊断 | 第39-53页 |
| 4.1 遗传算法概述 | 第40页 |
| 4.2 遗传算法的数学表达 | 第40-47页 |
| 4.2.1 编码 | 第40-41页 |
| 4.2.2 初始种群的产生 | 第41页 |
| 4.2.3 适应度函数 | 第41-42页 |
| 4.2.4 选择算子 | 第42-43页 |
| 4.2.5 交叉运算 | 第43-44页 |
| 4.2.6 变异算子 | 第44-46页 |
| 4.2.7 初始化运行参数的确定 | 第46-47页 |
| 4.3 基于遗传算法改进的BP神经网络操动机构故障诊断 | 第47-50页 |
| 4.3.1 遗传算法的设计 | 第47-49页 |
| 4.3.2 GA-BP网络的训练 | 第49-50页 |
| 4.4 网络测试 | 第50-52页 |
| 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58页 |