摘要
第1章 绪论
1.1 选题背景和意义
1.2 高压断路器振动信号分析处理方法研究现状
1.2.1 基于数理统计的方法
1.2.2 动态时间规整法
1.2.3 小波变换法
1.2.4 希尔伯特变换法
1.3 人工智能算法在断路器的机械故障诊断中的研究现状
1.3.1 人工神经网络
1.3.2 支持向量机
1.4 本论文的主要工作
第2章 基于虚拟仪器技术的振动信号采集平台
2.1 虚拟仪器的概念
2.2 虚拟仪器的硬件系统
2.2.1 振动传感器的选择
2.2.2 振动信号调理设备
2.2.3 数据采集设备
2.3 虚拟仪器软件系统
2.3.1 开发软件LabVIEW简介
2.3.2 振动信号采集模块
2.3.3 数据存储模块
2.4 振动信号采集实验
2.5 本章小结
第3章 振动信号特征分离的算法研究
3.1 EEMD算法的基本原理
3.1.1 经验模态分解
3.1.2 总体平均经验模态分解
3.2 小波包算法
3.2.1 小波分析
3.2.2 小波包分析
3.3 本章小结
第4章 振动信号特征量的计算方法研究
4.1 关联维数的振动特征量计算方法
4.1.1 分形理论简介
4.1.2 G-P算法计算关联维数
4.1.3 相空间重构参数的计算方法
4.1.4 EEMD-关联维数的振动特征提取方法
4.1.5 小波包-关联维数的振动特征提取方法
4.2 信息熵的振动特征量计算方法
4.2.1 信号包络的提取
4.2.2 信息熵的应用
4.2.3 EEMD-特征熵的振动特征提取方法
4.3 本章小结
第5章 断路器故障识别方法研究
5.1 支持向量机的故障识别方法
5.1.1 支持向量机分类机
5.1.2 支持向量机多分类策略
5.1.3 支持向量机实验应用分析
5.2 BP神经网络的故障识别方法
5.2.1 BP神经网络简介
5.2.2 BP神经网络原理
5.2.3 BP神经网络参数选取
5.2.4 BP神经网络实验应用分析
5.3 本章小结
结论
参考文献
致谢
攻读学位期间发表的论文
声明
黑龙江大学;