| 第一章 概述 | 第1-32页 |
| ·选题意义 | 第18-22页 |
| ·引言 | 第18-19页 |
| ·异步电动机的常见故障 | 第19-22页 |
| ·异步电动机故障诊断研究现状 | 第22-27页 |
| ·基于多物理效应征兆进行异步电动机早期故障预报的方法 | 第27-30页 |
| ·本文主要工作 | 第30-31页 |
| ·小结 | 第31-32页 |
| 第二章 异步电动机故障机理与建模 | 第32-59页 |
| ·三相异步电动机的动力学模型 | 第32-36页 |
| ·在abc坐标下的模型 | 第32-34页 |
| ·在dq0坐标下的模型 | 第34-36页 |
| ·三相异步电动机的故障模型 | 第36-57页 |
| ·基于信号变化的故障模型 | 第36-50页 |
| ·基于参数变化的故障模型 | 第50-57页 |
| ·小结 | 第57-59页 |
| 第三章 异步电动机运行行为及其故障特征 | 第59-86页 |
| ·异步电动机故障特征分析 | 第59-63页 |
| ·异步电动机的振动 | 第59-60页 |
| ·异步电动机的绝缘结构 | 第60页 |
| ·异步电动机的电气综合性能 | 第60-63页 |
| ·异步电动机监测信号优化及其处理 | 第63-85页 |
| ·传感器的优化配置及其数据采集 | 第63-66页 |
| ·典型故障的实验设置 | 第66页 |
| ·数据处理与特征值提取 | 第66-82页 |
| ·物理参数辨识 | 第82-85页 |
| ·小结 | 第85-86页 |
| 第四章 基于多物理效应的异步电动机故障智能预测方法 | 第86-107页 |
| ·系统的组成 | 第86-94页 |
| ·灰色预测模型 | 第87-89页 |
| ·神经网络概述 | 第89-91页 |
| ·径向基神经网络的结构 | 第91-94页 |
| ·神经网络结构的具体设计 | 第94-106页 |
| ·径向基神经网络的确定 | 第94-95页 |
| ·各种不同信号的径向基神经网络 | 第95-98页 |
| ·遗传算法与神经网络的结合 | 第98-106页 |
| ·小结 | 第106-107页 |
| 第五章 异步电动机多故障诊断信息的融合 | 第107-117页 |
| ·信息融合的概念 | 第107-108页 |
| ·D-S证据理论 | 第108-109页 |
| ·D-S证据理论在本系统中的应用 | 第109-116页 |
| ·小结 | 第116-117页 |
| 第六章 全文总结 | 第117-119页 |
| 致谢 | 第119-120页 |
| 参考文献 | 第120-129页 |
| 攻读博士学位期间发表的学术论文 | 第129-130页 |
| 独创性说明 | 第130页 |