基于振动信号处理的高压断路器故障诊断研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 特征提取 | 第9-10页 |
| 1.2.2 诊断算法 | 第10-11页 |
| 1.2.3 存在问题 | 第11-12页 |
| 1.3 论文主要研究内容和章节安排 | 第12-14页 |
| 第二章 振动信号的采集和预处理 | 第14-23页 |
| 2.1 断路器常见机械故障及试验设计 | 第14-16页 |
| 2.1.1 断路器常见机械故障 | 第14页 |
| 2.1.2 机械故障模拟试验 | 第14-16页 |
| 2.1.3 正交试验设计 | 第16页 |
| 2.2 振动信号采集 | 第16-19页 |
| 2.2.1 传感器的选型和安装 | 第16-18页 |
| 2.2.2 振动信号采集器 | 第18-19页 |
| 2.3 振动信号预处理 | 第19-22页 |
| 2.3.1 去除趋势项 | 第19-21页 |
| 2.3.2 平滑处理 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 振动信号特征提取 | 第23-38页 |
| 3.1 变分模态分解法特征提取 | 第23-30页 |
| 3.1.1 振动信号模态个数的确定 | 第23-25页 |
| 3.1.2 振动信号变分模态分解 | 第25-28页 |
| 3.1.3 VMD特征提取 | 第28-30页 |
| 3.2 频谱聚类法模态分解和故障诊断 | 第30-37页 |
| 3.2.1 高斯混合模型和期望最大化算法 | 第31-32页 |
| 3.2.2 频谱聚类法特征提取 | 第32-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 故障诊断算法及实现 | 第38-48页 |
| 4.1 非线性状态评估技术故障诊断 | 第38-41页 |
| 4.1.1 NSET理论推导 | 第38-39页 |
| 4.1.2 NSET故障分类实例分析 | 第39-41页 |
| 4.2 支持向量机故障诊断识别 | 第41-46页 |
| 4.2.1 支持向量机 | 第41-44页 |
| 4.2.2 支持向量机故障诊断实例分析 | 第44-46页 |
| 4.3 诊断结果对比 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于卷积神经网络的故障诊断 | 第48-57页 |
| 5.1 短时傅立叶变换及时频图 | 第48-51页 |
| 5.2 卷积神经网络故障分类 | 第51-55页 |
| 5.2.1 卷积神经网络 | 第51-53页 |
| 5.2.2 故障分类与诊断 | 第53-55页 |
| 5.3 诊断结果对比 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-60页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录 | 第65-66页 |
