| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 MMC国内外研究现状 | 第14-21页 |
| 1.2.1 MMC的拓扑结构 | 第14-17页 |
| 1.2.2 MMC的数学建模 | 第17-18页 |
| 1.2.3 MMC调制控制策略 | 第18页 |
| 1.2.4 MMC相间环流抑制策略 | 第18-19页 |
| 1.2.5 MMC故障诊断研究 | 第19-21页 |
| 1.3 本文的研究内容 | 第21-24页 |
| 第2章 MMC的子模块故障分析 | 第24-40页 |
| 2.1 引言 | 第24页 |
| 2.2 MMC的基本拓扑结构和工作原理 | 第24-31页 |
| 2.2.1 MMC的基本拓扑结构 | 第24-26页 |
| 2.2.2 MMC的基本原理 | 第26-31页 |
| 2.3 MMC子模块故障分类 | 第31-32页 |
| 2.4 MMC子模块常见故障分析 | 第32-36页 |
| 2.4.1 子模块IGBT故障分析 | 第32-35页 |
| 2.4.2 子模块续流二极管故障分析 | 第35-36页 |
| 2.5 仿真验证 | 第36-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第3章 基于混合核支持张量机的MMC单相故障定位方法研究 | 第40-61页 |
| 3.1 引言 | 第40页 |
| 3.2 MMC环流分析 | 第40-44页 |
| 3.3 方法与原理 | 第44-52页 |
| 3.3.1 支持张量机 | 第45-46页 |
| 3.3.2 核支持张量机 | 第46-49页 |
| 3.3.3 混合核支持张量机 | 第49-51页 |
| 3.3.4 基于混合核支持张量机的子模块开路故障诊断流程 | 第51-52页 |
| 3.4 仿真分析 | 第52-59页 |
| 3.5 本章小结 | 第59-61页 |
| 第4章 基于整体最小二乘支持向量机的单桥臂子模块故障诊断 | 第61-83页 |
| 4.1 引言 | 第61页 |
| 4.2 方法与原理 | 第61-68页 |
| 4.2.1 基于最小二乘互信息谱聚类的数据分类 | 第62-65页 |
| 4.2.2 整体最小二乘支持向量机 | 第65-67页 |
| 4.2.3 基于整体最小二乘支持向量机的故障诊断流程 | 第67-68页 |
| 4.3 基于RT-LAB的 MMC仿真模型搭建 | 第68-74页 |
| 4.3.1 RT-LAB仿真平台简介 | 第68-70页 |
| 4.3.2 MMC仿真模型搭建 | 第70-72页 |
| 4.3.3 MMC仿真参数选择 | 第72-74页 |
| 4.4 仿真分析 | 第74-81页 |
| 4.5 本章小结 | 第81-83页 |
| 第5章 基于多分类相关向量机的多桥臂子模块复合故障检测与定位方法研究 | 第83-98页 |
| 5.1 引言 | 第83页 |
| 5.2 MMC多相复合故障特征分析 | 第83-87页 |
| 5.3 方法与原理 | 第87-93页 |
| 5.3.1 相关向量机基础理论 | 第87-88页 |
| 5.3.2 相关向量机的核参数优化 | 第88-90页 |
| 5.3.3 “嵌套一对一”多分类器 | 第90-92页 |
| 5.3.4 基于多分类相关向量机的MMC多相复合故障诊断流程 | 第92-93页 |
| 5.4 仿真分析 | 第93-96页 |
| 5.5 本章小结 | 第96-98页 |
| 第6章 基于深度学习的故障子模块定位方法研究 | 第98-112页 |
| 6.1 引言 | 第98-99页 |
| 6.2 基于桥臂电压的子模块故障数据分析 | 第99-103页 |
| 6.3 方法与原理 | 第103-107页 |
| 6.3.1 卷积神经网络 | 第104-106页 |
| 6.3.2 基于卷积神经网络的MMC子模块故障定位诊断流程 | 第106-107页 |
| 6.4 仿真分析 | 第107-111页 |
| 6.5 本章小结 | 第111-112页 |
| 第7章 结论与展望 | 第112-115页 |
| 7.1 结论 | 第112-114页 |
| 7.2 展望 | 第114-115页 |
| 参考文献 | 第115-126页 |
| 附录1：攻读博士学位期间取得的科研成果 | 第126-128页 |
| 附录2：攻读博士学位期间参加的科研项目 | 第128-129页 |
| 致谢 | 第129页 |
