基于小波变换的无刷直流电机智能故障诊断的研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 插图索引 | 第9-11页 |
| 插表索引 | 第11-12页 |
| 第1章 绪论 | 第12-19页 |
| ·课题研究的目的和意义 | 第12-13页 |
| ·电机故障诊断技术研究的现状 | 第13-14页 |
| ·故障检测与诊断方法介绍 | 第14-16页 |
| ·传统故障检测方法及其比较 | 第14-16页 |
| ·最新故障诊断理论及方法 | 第16页 |
| ·小波变换理论的研究及其在电机系统中的应用 | 第16-18页 |
| ·小波变换在电机故障诊断系统中的应用概况 | 第16-18页 |
| ·小波变换检测电机故障的优越性 | 第18页 |
| ·本文的主要研究内容 | 第18-19页 |
| 第2章 小波分析理论与傅里叶分析对比研究 | 第19-36页 |
| ·引言 | 第19页 |
| ·傅里叶变换的原理及仿真分析 | 第19-22页 |
| ·傅里叶分析的原理 | 第19-20页 |
| ·傅里叶变换仿真实验及结果分析 | 第20-22页 |
| ·小波变换的理论及仿真分析 | 第22-27页 |
| ·小波变换的原理 | 第22-23页 |
| ·小波变换的特点 | 第23-25页 |
| ·小波变换仿真实验及结果分析 | 第25-27页 |
| ·小波函数的特征与选取 | 第27-29页 |
| ·小波基的特性 | 第27-28页 |
| ·小波函数的选取 | 第28-29页 |
| ·分解尺度的确定 | 第29页 |
| ·多分辨率分析和Mallat法 | 第29-33页 |
| ·多分辨率分析 | 第29-31页 |
| ·一维Mallat算法 | 第31-33页 |
| ·小波变换和傅里叶变换对比 | 第33-36页 |
| ·傅里叶分析和小波分析进行比较 | 第33-34页 |
| ·傅里叶分析的不足之处 | 第34-36页 |
| 第3章 基于小波分析的逆变器故障特征提取 | 第36-50页 |
| ·逆变器故障研究 | 第36-37页 |
| ·逆变器故障工况分析 | 第36-37页 |
| ·逆变器故障分类 | 第37页 |
| ·逆变器短路故障仿真研究 | 第37-47页 |
| ·仿真软件介绍 | 第37-38页 |
| ·逆变器短路故障仿真分析 | 第38-47页 |
| ·小波多分辨率分析提取信号故障特征向量 | 第47-50页 |
| 第4章 利用神经网络分类器进行故障分类 | 第50-64页 |
| ·人工神经网络基本理论 | 第51-53页 |
| ·神经元模型 | 第51页 |
| ·神经元中的激励函数 | 第51-53页 |
| ·BP神经网络算法分析研究 | 第53-57页 |
| ·BP网络结构图 | 第53-54页 |
| ·BP网络算法流程图 | 第54-55页 |
| ·BP网络学习算法 | 第55-57页 |
| ·利用神经网络实现逆变器故障诊断 | 第57-64页 |
| ·BP神经网络模型的建立原则 | 第57-58页 |
| ·BP神经网络的训练与仿真 | 第58-61页 |
| ·逆变器的故障诊断结果 | 第61-64页 |
| 结论与展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第69-70页 |
| 附录 B 攻读学位期间所参加的学术活动 | 第70页 |
