| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·本课题研究的目的和意义 | 第10-11页 |
| ·异步电机故障诊断技术的研究现状 | 第11-12页 |
| ·异步电机的故障诊断过程 | 第12-14页 |
| ·本文的研究内容 | 第14-16页 |
| 第二章 异步电机的常见故障类型及其机理分析 | 第16-26页 |
| ·异步电机的工作原理 | 第16-17页 |
| ·异步电机的故障种类 | 第17页 |
| ·异步电机的故障特征及其机理分析 | 第17-24页 |
| ·定子故障特征及其机理分析 | 第17-19页 |
| ·转子故障特征及其机理分析 | 第19-23页 |
| ·轴承故障特征及其机理分析 | 第23-24页 |
| ·小结 | 第24-26页 |
| 第三章 异步电机故障信号的分析与处理 | 第26-48页 |
| ·异步电机故障信号的实验采集系统 | 第26-27页 |
| ·基于傅里叶变换的故障信号分析 | 第27-30页 |
| ·小波分析的应用 | 第30-33页 |
| ·小波变换理论 | 第30-32页 |
| ·小波包分析 | 第32-33页 |
| ·异步电机故障信号的小波消噪 | 第33-37页 |
| ·异步电机故障信号的小波包频带能量特征提取 | 第37-41页 |
| ·主成分分析(PCA)及其应用 | 第41-46页 |
| ·主成分分析(PCA)的基本原理 | 第42-43页 |
| ·主成分分析(PCA)的计算步骤 | 第43-44页 |
| ·小波包和主成分分析(PCA)相结合的故障信号特征提取 | 第44-46页 |
| ·小结 | 第46-48页 |
| 第四章 径向基(RBF)神经网络在电机故障诊断中的应用 | 第48-74页 |
| ·人工神经网络的发展历程及其特点 | 第48-49页 |
| ·人工神经网络模型及其学习方式 | 第49-54页 |
| ·人工神经网络模型 | 第49-53页 |
| ·人工神经网络的学习方式 | 第53-54页 |
| ·RBF神经网络 | 第54-59页 |
| ·RBF神经网络模型 | 第54-55页 |
| ·RBF神经网络的学习算法 | 第55-59页 |
| ·差分进化(DE)算法 | 第59-64页 |
| ·差分进化(DE)算法概述 | 第59页 |
| ·差分进化(DE)算法的基本原理 | 第59-63页 |
| ·差分进化(DE)算法的差分策略 | 第63页 |
| ·差分进化(DE)算法参数的选取 | 第63-64页 |
| ·差分进化(DE)算法优化RBF神经网络的算法设计 | 第64-65页 |
| ·异步电机故障诊断仿真实验 | 第65-72页 |
| ·广义RBF神经网络的应用 | 第66-69页 |
| ·基于差分进化(DE)算法优化的RBF神经网络的应用 | 第69-72页 |
| ·小结 | 第72-74页 |
| 第五章 全文总结与展望 | 第74-76页 |
| ·全文总结 | 第74-75页 |
| ·展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录1 | 第80-84页 |
| 附录2 | 第84-86页 |
| 致谢 | 第86-88页 |
| 攻读硕士学位期间发表的学术论文目录 | 第88页 |
