電力電子電路故障診斷技術(shù)

1 1.1 故障診斷常用的方法  4 1.2 電力電子電路故障的特點  10 參考文獻  12 第二章 基于波形直接分析的電力電子電路故障診斷方法  15 2.1 引言 17 2.2 BP神經(jīng)網(wǎng)絡  17 2.2.1 網(wǎng)絡模型  17 2.2.2 BP算法  18 2.2.3 L M 學習算法  20 2.2.4 神經(jīng)網(wǎng)絡的設計  21 2.3 基于神經(jīng)網(wǎng)絡的電力電子電路故障診斷方法  23 2.3.1 故障模型  23 2.3.2 故障模型分析  24 2.3.3 基于神經(jīng)網(wǎng)絡的電力電子電路故障診斷方法  26 2.3.4 仿真實驗分析  27 2.4 本章小結(jié) 32 參考文獻  32 第三章 基于主元分析的電力電子電路故障診斷方法  35 3.1 引言 37 3.2 主元分析原理  37 3.2.1 原理概述  38 3.2.2 奇異值分解  41 3.2.3 主元數(shù)的確定  42 3.3 基于主元分析的故障特征提取  43 3.4 基于主元分析 神經(jīng)網(wǎng)絡的故障診斷  45 3.5 實驗驗證 45 3.6 本章小結(jié) 50 參考文獻  50 第四章 基于小波包分析和神經(jīng)網(wǎng)絡的電力電子電路故障診斷方法  53 4.1 引言 55 4.2 小波包分析理論  55 4.2.1 小波變換定義  55 4.2.2 多分辨率分析  57 4.2.3 小波包分析  58 4.3 電力電子電路故障的特征提取  59 4.3.1 基于能量分布的特征提取原理  59 4.3.2 基于小波包分析的電力電子電路故障特征提取  60 4.4 實驗驗證 61 4.4.1 十二脈波可控整流電路及故障分析  61 4.4.2 基于小波包分解的能量分布  69 4.4.3 實驗結(jié)果分析  72 4.5 本章小結(jié) 77 參考文獻  78 第五章 基于支持向量機的電力電子電路故障診斷方法  79 5.1 引言 81 5.2 支持向量機  81 5.2.1 最優(yōu)分類面  82 5.2.2 廣義最優(yōu)分類面 (線性不可分情況)  84 5.2.3 支持向量機  84 5.3 支持向量機的多故障分類算法的研究  86 5.4 基于小波包分析和SVM 的電力電子電路故障診斷方法  88 5.4.1 基于小波包分析和SVM 的電力電子電路故障診斷方法  88 5.4.2 訓練性能分析與故障診斷  90 5.5 基于PCA和支持向量機的電力電子電路故障診斷方法  93 5.5.1 故障診斷方法  93 5.5.2 仿真實驗分析  95 5.6 本章小結(jié)  100 參考文獻 100 第六章 基于S變換的電力電子電路故障診斷方法  103 6.1 引言  105 6.2 S變換原理  105 6.3 基于S變換和支持向量機的電力電子電路故障診斷方法  106 6.3.1 基于S變換的故障特征提取  107 6.3.2 支持向量機在故障類型識別中的應用  112 6.4 仿真實驗結(jié)果分析  114 6.5 本章小結(jié)  117 參考文獻 118 第七章 基于相似度的電力電子電路故障診斷方法  119 7.1 引言  121 7.2 Wigner Ville分布  121 7.2.1 Wigner Ville的定義和性質(zhì)  121 7.2.2 電力電子電路故障信號的 Wigner Ville分布  122 7.3 基于相似度的電力電子電路故障診斷方法  123 7.3.1 基于 Wigner Ville分布的相似度的定義  124 7.3.2 仿真結(jié)果分析  130 7.4 本章小結(jié)  135 參考文獻 135 后記  137