| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 引言 | 第10-20页 |
| ·发电机故障机理分析的意义 | 第10页 |
| ·发电机典型故障机理分析及诊断方法评述 | 第10-18页 |
| ·绕组短路故障 | 第11-14页 |
| ·发电机振动故障 | 第14-18页 |
| ·论文的主要工作 | 第18-20页 |
| 第二章 转子励磁绕组匝间短路故障分析 | 第20-43页 |
| ·转子励磁绕组匝间短路时电气特性 | 第20-24页 |
| ·气隙磁势 | 第20-22页 |
| ·定子绕组并联支路环流特性 | 第22-23页 |
| ·励磁电流谐波特性 | 第23-24页 |
| ·转子励磁绕组匝间短路时振动特性 | 第24-32页 |
| ·定子振动特性 | 第24-26页 |
| ·转子振动特性 | 第26-31页 |
| ·转子不平衡时振动特性及与转子短路时振动特性的区别 | 第31-32页 |
| ·实验研究 | 第32-41页 |
| ·电气特性实验 | 第32-37页 |
| ·振动特性实验 | 第37-41页 |
| ·本章小结 | 第41-43页 |
| 第三章 定子绕组匝间短路故障分析 | 第43-51页 |
| ·定子绕组匝间短路时电气特性 | 第43-45页 |
| ·气隙磁势 | 第43-44页 |
| ·定子绕组并联支路环流特性 | 第44-45页 |
| ·定子绕组短路时振动特性 | 第45页 |
| ·定子振动特性 | 第45页 |
| ·转子振动特性 | 第45页 |
| ·实验研究 | 第45-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 发电机气隙偏心故障分析 | 第51-62页 |
| ·概述 | 第51-53页 |
| ·气隙偏心故障时气隙磁场 | 第53-54页 |
| ·气隙偏心故障时振动特性 | 第54-57页 |
| ·转子振动特性 | 第54-55页 |
| ·定子振动特性 | 第55-57页 |
| ·气隙偏心故障时定子绕组并联支路环流 | 第57-58页 |
| ·基于转子振动和环流特性的发电机故障识别方法 | 第58页 |
| ·实验研究 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 第五章 转子轴心轨迹特性的自动识别 | 第62-72页 |
| ·轴心轨迹的特征描述 | 第62-65页 |
| ·轴心轨迹的形状描述 | 第62-64页 |
| ·轴心轨迹的稳定性 | 第64-65页 |
| ·轴心轨迹进动方向自动识别方法 | 第65-69页 |
| ·轴心轨迹上采样点构成多边形的复杂性分析 | 第66页 |
| ·轴心轨迹上采样点构成多边形的凹凸性判别 | 第66-67页 |
| ·轴心轨迹进动方向判别 | 第67-69页 |
| ·轴心轨迹进动方向识别的仿真与实验 | 第69-71页 |
| ·轴心轨迹进动方向识别的仿真 | 第69-70页 |
| ·轴心轨迹进动方向识别的实验 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 基于自适应人工神经网络的发电机故障识别 | 第72-94页 |
| ·新型 BP 神经网络及在发电机故障诊断中的应用 | 第72-87页 |
| ·BP 网络的拓扑结构及其算法 | 第72-75页 |
| ·BP 网络误差收敛曲线的振荡性 | 第75-76页 |
| ·新型 BP 网络的学习训练原理 | 第76-78页 |
| ·新型 BP 网络在发电机故障诊断中的应用 | 第78-87页 |
| ·自适应 RBFNN 及在发电机故障诊断中的应用 | 第87-93页 |
| ·RBFNN 的拓扑结构及其算法 | 第87-89页 |
| ·自适应 RBFNN 算法 | 第89-92页 |
| ·自适应 RBFNN 在发电机故障诊断中的应用 | 第92-93页 |
| ·本章小结 | 第93-94页 |
| 第七章 基于虚拟仪器的发电机绕组及偏心故障检测系统研究 | 第94-99页 |
| ·检测系统组成 | 第94-96页 |
| ·各模块功能设计 | 第96-98页 |
| ·本章小结 | 第98-99页 |
| 第八章 结论 | 第99-101页 |
| 参考文献 | 第101-108页 |
| 致谢 | 第108-109页 |
| 附录 | 第109-113页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第113-115页 |