| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外故障诊断研究现状和常用方法 | 第10-13页 |
| 1.3 论文主要研究内容及结构安排 | 第13-15页 |
| 2 电力电子变流电路故障建模与信号提取 | 第15-30页 |
| 2.1 电力电子变流电路故障简介 | 第15-16页 |
| 2.2 三相六脉冲整流电路故障类别编号 | 第16-17页 |
| 2.3 三相六脉冲整流电路故障仿真及实验平台搭建 | 第17-25页 |
| 2.3.1 故障仿真 | 第17-22页 |
| 2.3.2 实验平台搭建 | 第22-25页 |
| 2.4 训练数据和测试数据生成 | 第25-29页 |
| 2.4.1 训练数据生成 | 第26-28页 |
| 2.4.2 测试数据生成 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 集成学习技术的分析与研究 | 第30-35页 |
| 3.1 集成学习技术简介 | 第30-31页 |
| 3.2 经典集成学习算法介绍 | 第31-34页 |
| 3.2.1 Boosting算法介绍 | 第31-32页 |
| 3.2.2 Bagging算法介绍 | 第32-33页 |
| 3.2.3 Boosting算法与Bagging算法的比较 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 基于BP-Adaboost分类器的变流电路故障诊断方法 | 第35-51页 |
| 4.1 BP神经网络简介 | 第35-37页 |
| 4.1.1 人工神经网络 | 第35-36页 |
| 4.1.2 BP神经网络 | 第36-37页 |
| 4.2 BP-Adaboost分类器构建 | 第37-45页 |
| 4.2.1 BP-Adaboost模型搭建 | 第37-38页 |
| 4.2.2 BP神经网络训练 | 第38-42页 |
| 4.2.3 BP-Adaboost分类器训练 | 第42-45页 |
| 4.3 算例分析 | 第45-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 基于分类间隔改进随机森林的变流电路故障诊断方法 | 第51-66页 |
| 5.1 决策树简介 | 第51-53页 |
| 5.1.1 CART算法 | 第52页 |
| 5.1.2 决策树分类存在的问题 | 第52-53页 |
| 5.2 随机森林模型搭建 | 第53-58页 |
| 5.2.1 随机森林训练 | 第53-54页 |
| 5.2.2 随机森林测试 | 第54-58页 |
| 5.3 基于分类间隔改进的随机森林分类器构建 | 第58-63页 |
| 5.3.1 分类间隔简介 | 第58-60页 |
| 5.3.2 基于分类间隔的改进随机森林算法实现 | 第60-63页 |
| 5.4 算例分析 | 第63-65页 |
| 5.5 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 全文总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第73-74页 |
| 致谢 | 第74-75页 |
