异步电动机电气故障的识别与诊断
| 第一章 绪论 | 第1-15页 |
| 1．1 选课题的意义 | 第10-11页 |
| 1．2 电机故障诊断技术的国内外发展状况 | 第11-13页 |
| 1．3 本文的工作 | 第13-15页 |
| 第二章 异步电动机常见故障的机理分析 | 第15-38页 |
| 2．1 三相异步电动机的工作原理 | 第15-23页 |
| 2．1．1 三相异步电动机的基本结构 | 第16-17页 |
| 2．1．2 异步电动机的工作原理 | 第17-23页 |
| 2．2 异步电机故障机理分析 | 第23-35页 |
| 2．2．1 异步电动机常见电气故障 | 第23-34页 |
| 2．2．2 异步电动机现代故障诊断方法 | 第34-35页 |
| 2．3 电机故障诊断的特点 | 第35-38页 |
| 第三章 故障信号特征提取 | 第38-53页 |
| 3．1 小波分析 | 第39-42页 |
| 3．1．1 信噪分离 | 第41-42页 |
| 3．1．2 频带分析技术 | 第42页 |
| 3．2 多分辨率分析 | 第42-45页 |
| 3．3 小波包分析 | 第45-48页 |
| 3．4 利用小波包分析进行故障特征信号提取 | 第48-53页 |
| 第四章 人工神经网络的理论基础 | 第53-67页 |
| 4．1 神经元的结构 | 第53-55页 |
| 4．2 神经网络分类 | 第55-57页 |
| 4．3 神经网络的特点 | 第57页 |
| 4．4 BP网络简介 | 第57-63页 |
| 4．4．1 BP网络常用的非线性函数 | 第59-60页 |
| 4．4．2 BP学习算法 | 第60-61页 |
| 4．4．3 BP算法流程框图 | 第61-62页 |
| 4．4．4 改进的BP算法 | 第62-63页 |
| 4．5 神经网络的模式识别 | 第63-64页 |
| 4．6 BP网络的设计 | 第64-67页 |
| 第五章 实验与分析 | 第67-88页 |
| 5．1 实验原理图 | 第67-69页 |
| 5．1．1 三相异步电动机 | 第68页 |
| 5．1．2 测试仪器 | 第68-69页 |
| 5．2 利用人工神经网络进行电机故障模式识别 | 第69-88页 |
| 5．2．1 BP神经网络故障诊断模型建立 | 第70页 |
| 5．2．2 BP神经网络输入特征量 | 第70-78页 |
| 5．2．3 BP网络结构的确定 | 第78-79页 |
| 5．2．4 BP神经网络的训练 | 第79-88页 |
| 第六章 电机故障模式识别软件 | 第88-94页 |
| 6．1 MATLAB图形用户界面(GUI)介绍 | 第88页 |
| 6．2 故障图形用户界面的实现 | 第88-94页 |
| 第七章 结论 | 第94-96页 |
| 参考文献 | 第96-102页 |
| 附录 | 第102-106页 |
| 致谢 | 第106-107页 |
| 攻读硕士学位期间发表的学术论文 | 第107页 |
