| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 电力电子电路故障诊断国内外的发展概况 | 第12-16页 |
| 1.3 本论文的主要研究内容 | 第16-17页 |
| 第2章 三相桥式整流电路故障特征提取 | 第17-33页 |
| 2.1 三相桥式整流电路的正常工作状态 | 第17-19页 |
| 2.2 三相桥式整流电路故障状态 | 第19-30页 |
| 2.3 故障特征提取 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于BP神经网络的故障诊断 | 第33-42页 |
| 3.1 BP神经网络结构设计 | 第33-37页 |
| 3.1.1 BP神经网络结构 | 第33-35页 |
| 3.1.2 BP神经网络的改进算法 | 第35-37页 |
| 3.2 基于BP神经网络的故障诊断 | 第37-41页 |
| 3.2.1 BP神经网络的参数设置 | 第37-38页 |
| 3.2.2 仿真结果及验证分析 | 第38-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 基于粒子群优化神经网络的故障诊断 | 第42-51页 |
| 4.1 基于粒子群算法优化的BP网络 | 第42-46页 |
| 4.1.1 粒子群算法 | 第42-45页 |
| 4.1.2 粒子群算法优化BP网络 | 第45-46页 |
| 4.2 基于粒子群算法优化神经网络的故障诊断 | 第46-50页 |
| 4.2.1 粒子群算法的参数设置 | 第46-47页 |
| 4.2.2 仿真结果及验证分析 | 第47-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第5章 基于深度特征学习的故障诊断 | 第51-64页 |
| 5.1 基于SAE-SOFTMAX的深度学习网络 | 第51-56页 |
| 5.1.1 堆叠自动编码器 | 第51-54页 |
| 5.1.2 SOFTMAX分类器 | 第54-55页 |
| 5.1.3 基于SAE-SOFTMAX的特征提取方法 | 第55-56页 |
| 5.2 基于SAE-SOFTMAX的电路故障诊断 | 第56-63页 |
| 5.2.1 基于SAE-SOFTMAX的故障诊断 | 第56-57页 |
| 5.2.2 基于SAE-SOFTMAX的训练算法 | 第57-59页 |
| 5.2.3 网络参数设置 | 第59-60页 |
| 5.2.4 仿真验证与分析 | 第60-63页 |
| 5.3 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69页 |