| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 故障诊断的概念和发展 | 第13页 |
| 1.1.2 现代故障诊断 | 第13-14页 |
| 1.2 现代电力电子装置故障诊断 | 第14-16页 |
| 1.2.1 电力电子电路故障诊断的目的 | 第14页 |
| 1.2.2 电力电子电路故障诊断技术发展 | 第14-16页 |
| 1.2.3 人工神经网络故障诊断的特性 | 第16页 |
| 1.3 本文研究的主要内容 | 第16-19页 |
| 第2章 电力电子装置故障类型研究 | 第19-27页 |
| 2.1 逆变电路故障分类 | 第19-22页 |
| 2.2 故障特征参数的选取 | 第22-25页 |
| 2.2.1 单管故障仿真结果及分析 | 第22-24页 |
| 2.2.2 双管故障仿真结果及分析 | 第24-25页 |
| 2.3 本章小节 | 第25-27页 |
| 第3章 基于神经网络的电力电子装置故障诊断 | 第27-41页 |
| 3.1 人工神经网络概述 | 第27-28页 |
| 3.2 基于BP网络的三相桥式逆变电路故障诊断 | 第28-31页 |
| 3.2.1 BP神经网络 | 第28-29页 |
| 3.2.2 BP神经网络模型的选取 | 第29页 |
| 3.2.3 BP网络拓扑结构 | 第29-30页 |
| 3.2.4 BP网络的层数选择 | 第30页 |
| 3.2.5 网络隐含层的神经元数 | 第30页 |
| 3.2.6 初始权值的选取 | 第30页 |
| 3.2.7 期望误差的选取 | 第30-31页 |
| 3.2.8 BP神经网络的学习步骤 | 第31页 |
| 3.3 神经网络在故障诊断中的应用 | 第31-35页 |
| 3.3.1 用于故障诊断的信号选取 | 第31页 |
| 3.3.2 故障特征参数提取 | 第31-33页 |
| 3.3.3 故障特征信号的归一化 | 第33-34页 |
| 3.3.4 神经网络的结构及其输入输出接口定义 | 第34-35页 |
| 3.4 BP神经网络设计 | 第35-39页 |
| 3.4.1 基于MATLAB神经网络的训练 | 第35-36页 |
| 3.4.2 样本学习结果 | 第36-39页 |
| 3.4.3 仿真结果验证 | 第39页 |
| 3.5 BP网络的局限性 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 小波包与神经网络的电力电子装置故障诊断 | 第41-58页 |
| 4.1 引言 | 第41页 |
| 4.2 Fourier分析的不足 | 第41-42页 |
| 4.3 小波分析的基本理论 | 第42-52页 |
| 4.3.1 小波变换及定义 | 第43-45页 |
| 4.3.2 多分辨率分析 | 第45页 |
| 4.3.3 小波包分析 | 第45-48页 |
| 4.3.5 主元分析 | 第48-49页 |
| 4.3.6 小波包频带能量故障特征提取流程 | 第49-52页 |
| 4.4 实验验证 | 第52-56页 |
| 4.4.1 BP神经网络设计 | 第52-53页 |
| 4.4.2 样本学习结果 | 第53-56页 |
| 4.4.3 仿真结果验证 | 第56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 基于小波包与优化神经网络的电子电子装置故障诊断 | 第58-77页 |
| 5.1 基于小波包-RBF网络的电力电子装置故障诊断 | 第58-62页 |
| 5.1.1 径向基网络原理 | 第58页 |
| 5.1.2 径向基神经网络模型 | 第58-59页 |
| 5.1.3 径向基网络的训练与设计 | 第59页 |
| 5.1.4 三相逆变电路的故障诊断模型 | 第59-60页 |
| 5.1.5 神经网络的学习 | 第60-61页 |
| 5.1.6 RBF网络算法与BP网络算法对比 | 第61-62页 |
| 5.2 粒子群优化算法及神经网络训练 | 第62-68页 |
| 5.2.1 粒子群优化算法 | 第62-63页 |
| 5.2.2 算法原理 | 第63-64页 |
| 5.2.3 粒子群优化算法流程 | 第64-65页 |
| 5.2.4 粒子群算法实现的基本原则 | 第65-66页 |
| 5.2.5 设计粒子群算法的步骤 | 第66-67页 |
| 5.2.6 粒子群算法的主要参数 | 第67页 |
| 5.2.7 粒子群算法优化BP神经网络 | 第67-68页 |
| 5.3 基于PSO-BP网络在电力电子装置故障诊断中的应用 | 第68-72页 |
| 5.3.1 数据准备 | 第68-69页 |
| 5.3.2 模型参数选择 | 第69-72页 |
| 5.4 结果对比分析 | 第72-76页 |
| 5.4.1 BP与RBF、PSO-BP算法的训练曲线比较 | 第72-74页 |
| 5.4.2 BP与RBF、PSO-BP算法的准确率比较 | 第74-76页 |
| 5.5 本章小结 | 第76-77页 |
| 结论 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第82-83页 |
| 致谢 | 第83-84页 |
