基于加权证据理论的高压断路器机械故障智能诊断技术
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第12-16页 |
| §1.1 选题背景与意义 | 第12-13页 |
| §1.2 断路器机械故障诊断研究现状 | 第13-14页 |
| §1.3 存在的问题 | 第14页 |
| §1.4 本文的主要工作 | 第14-16页 |
| 第2章 多传感器数据融合技术 | 第16-26页 |
| §2.1 数据融合基本思想 | 第16-18页 |
| §2.1.1 数据融合技术的起源与发展 | 第16-17页 |
| §2.1.2 数据融合的基本思想 | 第17-18页 |
| §2.2 数据融合结构分类 | 第18-20页 |
| §2.2.1 数据级融合 | 第18页 |
| §2.2.2 特征级融合 | 第18-19页 |
| §2.2.3 决策级融合 | 第19-20页 |
| §2.3 数据融合方法的分类 | 第20-23页 |
| 2.3.1 数据级融合的算法 | 第20页 |
| 2.3.2 特征级融合方法 | 第20-23页 |
| 2.3.3 决策级融合方法 | 第23页 |
| §2.4 断路器故障诊断中的数据融合方法 | 第23-25页 |
| §2.4.1 断路器故障诊断过程中的不确定性 | 第23-25页 |
| §2.4.2 数据融合在断路器故障诊断中的应用 | 第25页 |
| §2.5 本章小结 | 第25-26页 |
| 第3章 基于加权证据理论的断路器机械故障诊断方法 | 第26-50页 |
| §3.1 小波分析 | 第26-33页 |
| §3.1.1 连续小波变换 | 第26-28页 |
| §3.1.2 离散小波变换 | 第28-29页 |
| §3.1.3 多分辨率分析 | 第29-31页 |
| §3.1.4 小波包分析 | 第31-33页 |
| §3.2 小波分析用于振动信号的降噪 | 第33-42页 |
| §3.2.1 小波阈值降噪方法 | 第34-35页 |
| §3.2.2 小波基的选择 | 第35-37页 |
| §3.2.3 信号分解层次的选择 | 第37-39页 |
| §3.2.4 阈值大小与阈值函数的选择 | 第39-40页 |
| §3.2.5 实例 | 第40-42页 |
| §3.3 故障特征提取 | 第42-44页 |
| 3.3.1 振动信号故障特征向量提取 | 第42-43页 |
| 3.3.2 位移信号特征向量提取 | 第43-44页 |
| §3.4 基于加权证据理论的数据融合算法 | 第44-48页 |
| §3.4.1 D-S证据理论基础 | 第44-46页 |
| §3.4.2 Dempster合成规则 | 第46页 |
| §3.4.3 故障隶属度获取 | 第46-47页 |
| §3.4.4 加权证据理论 | 第47-48页 |
| §3.5 断路器机械故障智能诊断方法 | 第48-49页 |
| §3.6 本章小结 | 第49-50页 |
| 第4章 断路器机械故障诊断系统 | 第50-62页 |
| §4.1 故障诊断实验系统结构 | 第50-51页 |
| §4.2 硬件选择与安装 | 第51-55页 |
| §4.2.1 振动传感器的选择 | 第51-52页 |
| §4.2.2 拉绳位移传感器的选择 | 第52-53页 |
| §4.2.3 数据采集卡 | 第53-54页 |
| §4.2.4 信号调理电路 | 第54-55页 |
| §4.3 系统软件设计 | 第55-61页 |
| §4.3.1 系统软件部分的主要功能 | 第55-56页 |
| §4.3.2 系统软件部分设计 | 第56-58页 |
| §4.3.3 LabVIEW人机界面设计 | 第58-61页 |
| §4.4 本章小结 | 第61-62页 |
| 第5章 加权证据理论在断路器机械故障诊断中的应用 | 第62-84页 |
| §5.1 实验现场 | 第62-63页 |
| §5.2 故障库的建立 | 第63-74页 |
| §5.2.1 正常信号分析 | 第64-67页 |
| §5.2.2 弹簧出力异常信号分析 | 第67-70页 |
| §5.2.3 轴销松蚀信号分析 | 第70-74页 |
| §5.2.4 振动信号特征向量的差异 | 第74页 |
| §5.3 利用加权证据理论进行断路器机械故障诊断 | 第74-82页 |
| §5.4 本章小结 | 第82-84页 |
| 第6章 总结与展望 | 第84-86页 |
| §6.1 结论 | 第84页 |
| §6.2 展望 | 第84-86页 |
| 致谢 | 第86-88页 |
| 参考文献 | 第88-90页 |
