一、基于小波分析的电机故障振声诊断方法（论文文献综述）
万斌斌[1]（2021）在《船舶辅机低压感应电机参数辨识及故障诊断》文中进行了进一步梳理随着我国船舶行业的快速发展,对于船舶管理的网络化、信息化、智能化要求越来越高。而感应电机因为其价格低廉、可靠性高,特别是低压感应电机作为船舶主要辅助设备,其运行状态直接关系到船舶局部设备的性能,进行辅助式低压感应电机的状态监测与故障诊断尤为必要,不仅可以排除感应电机潜在的安全隐患,而且完善了船舱内局部设备性能,可以保证船舶在航行中的安全。根据监测到的状态信息对辅助式低压感应电机进行状态评估与故障预测,做到故障预警,进而提高了船舶设备管理水平和船舶在运行中的可靠性。（1）本文针对船舶辅机低压感应电机参数辨识做了以下工作:首先针对前人感应电机的辨识方法的研究,本文建立起了在两相静止坐标系下适用于最小二乘法的辨识模型,其次通过与传统的感应电机参数离线辨识方法比较,利用递推最小二乘法可以在电机运行前一次性辨识感应电机的定子电阻、转子电阻、定子电感和电机互感,最后仿真表明本文所用方法比传统的感应电机参数离线辨识方法更精确、更高效。（2）而在感应电机故障诊断方面,本文首先详述感应电机故障的特征机理和目前感应电机故障诊断的方法,分析造成故障的原因,得出几种常见的故障频率,其次选用小波包变换先对美国西储大学感应电机轴承故障实验原始数据进行消噪,再进行特征频段的特征向量提取,得出了小波包变换优良的时频局部特性和多分辨率的处理能力的结论。（3）根据在公司实测的感应电机振动的大量数据,先利用小波包变换提取发生故障时的特征频段的特征向量作为神经网络的输入样本进行训练,当满足我们需要的精度时,利用改进的BP神经网络对输入的信号进行故障诊断,建立了小波-神经网络故障诊断系统。经过多次试验,实验证明了该方法的有效性,使小波神经网络进行感应电机故障诊断更加智能化。
刘荣誉[2]（2021）在《基于LabVIEW的电机状态监测系统研究》文中认为近年来,PCB板的快速发展衍生出了PCB电机,由印制电路板技术和盘式电机技术结合而形成的PCB平面绕组力矩电机具有体积小、可靠性高、在转矩小的情况下依然能保证电机的低速运行的优点,满足了光学延迟线扭矩小、低速平稳运行的要求,从而应用于生物测量仪。当PCB平面绕组力矩电机出现故障时,生物测量仪的测量精度也会受到影响甚至会损坏生物测量仪,为了保证电机的正常运行,确保生物测量仪的可靠性和安全性,对PCB平面绕组力矩电机的运行状态进行实时监测非常必要。首先,在分析PCB平面绕组力矩电机的基本结构和工作原理的基础上,对PCB平面绕组力矩电机常出现的故障类型及其故障机理进行研究,针对不同的故障类型采用合适的电机状态监测与故障诊断技术即电机电信号分析技术（ESA）、振声诊断法和温度检测法多技术融合,从而确定了以电压、电流、振动和温度参数为电机状态监测的依据,为后续的电机状态监测系统的研究提供理论基础。其次,给出基于虚拟仪器的电机状态监测系统的总体设计,确定了电压、电流、振动、温度传感器和数据采集卡的选型,采用Lab VIEW构建图形化界面的监测系统的软件子系统,包括数据采集与显示模块、数据处理模块和历史数据查询模块三部分。最后,对搭建的电机状态监测系统进行调试并实验,通过监测电压与电流的波形及对异常数据的处理判断电气故障,通过监测振动的波形及对其频谱分析后的波形判断机械故障,通过监测温度随时间变化的波形判定励磁故障。实验结果表明,本文所设计的电机状态监测系统能够实时监测PCB平面绕组力矩电机的运行状态,达成了研究目标。
孟凡奇[3]（2020）在《牵引异步电动机故障诊断》文中指出近几十年,铁路运输在追求高速的同时,安全也一直放在首位。牵引机车的构造越来越复杂,结构也更紧凑,一旦其中某个零件发生故障,很有可能引起更大的故障,造成人员伤亡与巨大经济损失。牵引电机作为机车牵引、制动的主要构件,安全可靠的运转至关重要。牵引电机多采用三相鼠笼式异步电动机,其故障类别根据结构划分为定子、转子、气隙、轴承几种,本文选取转子故障中的转子断条故障主要介绍。铁路在日常维护中,时常要对牵引电机的转子端环进行补焊,说明牵引电机存在转子断条的隐患,而且进行补焊后的转子强度下降更易损坏,故在牵引机车上加设转子断条故障诊断系统很有必要。故障诊断系统主要分为两部分:数据采集、诊断分析。由于是为牵引机车服务的故障诊断系统,工作时应结合牵引机车的实际运行工况,本文选取“稳态”运行工况作为诊断时刻,并提出利用希尔伯特黄变换（HHT）捕捉“稳态”数据及小波分析识别转子断条故障。本文为牵引机车诊断系统提供了两套数据采集方案。基于机车牵引控制单元（TCU）的数据获取方案所用硬件最少、实现容易、可获取的数据也更多,但需对TCU进行改造,未考虑故障诊断的TCU难以实现;为保证在不改造TCU的基础上能够识别转子断条故障,本文设计了独立的数据采集方案,此方案需独立设置信号调理模块、数据管理方案等等。牵引电机作为变频电机,诊断原理虽与定频电机类似,但实际运行过程中,随着牵引机车工况的改变,牵引电机的转差率、定子电流基频频率均会发生变动。本文利用Simulink仿真验证了这一理论,同时得出了需检测这两个参量以提高系统识别率的结论。本文最终利用Simulink及拟合曲线两种方式验证了本系统可以在不同工况下识别出转子断条故障,并提出牵引机车应选取的故障识别工况。
林穿[4]（2020）在《基于卷积神经网络的高压断路器故障诊断方法的研究》文中进行了进一步梳理在电力系统中,高压断路器起着控制和保护的作用,保证高压断路器的正常工作是一项极其关键的任务。随着人工智能技术的发展,机器学习和深度学习的算法逐渐被应用于断路器状态监测和故障诊断方面上,使得高压断路器监测和维修策略得以快速发展。本文以弹簧操动机构的高压断路器为研究对象,从高压断路器操动机构振动信号和分合闸线圈电流信号出发,提出了基于卷积神经网络的高压断路器操动机构的故障诊断方法,并由此设计一套高压断路器故障监测与仿真系统。本文的主要工作如下:（1）高压断路器工作机理与故障分析。以弹簧操动机构的高压断路器为研究对象,分析了断路器一次侧与二次侧的工作机理和典型故障机理;分析了高压断路器操动机构振动信号与分合闸线圈信号能够表征高压断路器工作状态的特性,为下面所提的高压断路器故障诊断算法提供理论依据。（2）以振动信号为基础的故障诊断方法。采用小波变换方法将一维振动信号转化为时频图,供于Alex Net卷积神经网络训练并构建故障诊断模型。其亮点在于借用了图像识别的方法,相比与以小波频带能量为特征值构建的RBF（径向基神经网络）故障诊断方法、SVM（支持向量机）故障诊断方法,其识别精确度更加优越。（3）以分合闸线圈电流信号为基础的故障诊断方法。搭建分合闸线圈故障仿真数学模型,并通过模拟实验验证仿真模型的正确性。采用改进集合经验模态自适应与时域求极值的方法提取分合闸线圈电流信号的时间-电流复合特征值,供于2D-CNN卷积神经网络训练并构建故障诊断模型。在2D-CNN的基础上,另外构建1D-CNN卷积神经网络的故障诊断方法。相比2D-CNN故障诊断方法,其亮点在于1D-CNN未改变信号本身物理意义,使得故障识别率更加精确。（4）基于MATLAB-GUI界面设计高压断路器故障检测与仿真系统。基于前置理论以及故障诊断方法,设计了断路器故障检测与仿真系统,包含基于线圈电流的状态检测子系统、基于线圈电流的仿真子系统、基于振动信号的状态检测子系统。
田媛媛[5]（2020）在《基于优选特征的滚动轴承故障诊断研究》文中研究说明近年来,基于数据驱动的故障诊断方法随着信号处理和人工智能相关技术的快速发展逐渐成为研究热点,其故障诊断过程中的信号处理与特征提取作为实现故障状态识别的前提和基础,对故障诊断结果会产生重要影响。目前,研究人员广泛采用时频分析方法处理滚动轴承振动信号是故障诊断的首要步骤,由于滚动轴承的故障振动信号具有非线性和非平稳性,经时频分析方法处理后提取的原始特征集维度高,存在干扰和冗余特征的问题。此外,大多数利用传统机器学习方法构建的基于数据驱动的故障诊断模型存在两个主要问题:（1）缺乏大量有标签故障训练样本;（2）故障诊断模型是在训练数据集与测试数据集之间具有相同分布的假设下构建的。因此,传统的故障诊断模型在实际工业场景的变工况下要实现理想的故障诊断性能具有一定难度。针对以上问题,本文开展如下研究工作:（1）研究基于双树复小波包变换（Dual-Tree Complex Wavelet Packet Transform,DTCWPT）的轴承振动信号处理方法和原始特征提取。将滚动轴承原始振动信号经DTCWPT分解,得到不同的终端节点并对其重构,再计算重构信号及其希尔伯特包络谱的统计参数,获得原始统计特征集。（2）研究统计特征评价方法。针对经时频分析方法处理后提取的原始特征集维度高,存在干扰和冗余特征的问题,提出基于故障敏感度与特征间相关度的特征优选方法（Priority Selection Method of Features Based on Fault Sensitivity and Correlation between Features,PSFSC）,PSFSC对统计特征的两个方面进行评价,一是统计特征对故障状态的敏感度,采用Relief F算法评价统计特征的类间区分度,再计算特征样本的标准差来表征统计特征的类内聚合度,将得到的表征类间区分度的指标和表征类内聚合度的指标的比值作为统计特征故障状态敏感度的量化指标;二是统计特征和特征集内其他特征间相关程度,计算统计特征分别与特征集内其他统计特征之间皮尔逊相关系数（Person Correlation Coefficient,PCC）,再将得到的PCC求和,得到皮尔逊相关系数之和（Sum of Person Correlation Coefficient,SPCC）,用于表征统计特征与整个特征集内特征的相关度。最后,融合两个方面的评价结果,提出一种新的特征评价指标,特征优选度（Feature Priority Selection Degree,FPSD）,对各统计特征进行评价,FPSD高的统计特征即为优选特征,用于组建特征子集。（3）研究基于优选特征与降维的滚动轴承故障诊断。根据基于数据驱动的故障诊断过程,在基于DTCWPT的轴承振动信号处理、特征优选方法PSFSC、降维方法（PCA、LDA、LFDA和NPE）和支持向量机分类器基础上,构建了基于优选特征与降维的滚动轴承故障诊断框架。基于两种滚动轴承故障数据（分别来自美国凯斯西储大学试验台和SQI-MFS试验台）开展同工况与不同工况下的故障诊断实验分析,实验结果表明所提出的PSFSC方法在合适的优选特征数下,能够明显提高故障诊断准确率,使用了PSFSC的故障诊断模型在不同工况下能够取得理想的故障诊断性能,表明所提出的方法具有应用于实际工业场景下的潜力。（4）研究基于优选特征与迁移学习的滚动轴承故障诊断。针对故障诊断领域中缺乏足量有标签训练故障数据,以及训练样本和测试样本分布差异的问题,迁移学习方法作为在故障诊断领域中一个新的研究思路,获得越来越多的关注。在对联合分布自适应（Joint Distribution Adaptation,JDA）研究的基础上,提出一种改进联合分布自适应（Modified Joint Distribution Adaptation,MJDA）的特征迁移学习方法。在基于DTCWPT的轴承振动信号处理、特征优选方法PSFSC、MJDA方法和SVM分类器基础上,构建了基于优选特征与MJDA的滚动轴承故障诊断框架。为验证所提出方法的有效性与适应性,采用两种滚动轴承故障数据（分别来自美国凯斯西储大学试验台和SQI-MFS试验台）开展实验分析,实验案例采用一种工况下有标签故障数据训练故障诊断模型,另一种工况下无标签故障数据作为测试集。实验结果表明所提出的MJDA方法能够明显提高故障诊断准确率,结合PSFSC方法构建的故障诊断模型,在选取合适的优选特征数时,能够取得理想的故障诊断性能,进而表明所提出的方法和故障诊断框架具有应用于实际工业场景下的潜力。根据对所提出的两种故障诊断框架的实验分析结果,可知,本文所提出的特征优选方法能够从原始特征集中有效选取出更有利于故障模式识别的特征,当选取合适的优选特征数时,能够使故障诊断模型达到理想的故障诊断性能。在进行不同工况下的故障诊断时,本文提出基于优选特征与MJDA的滚动轴承故障诊断框架具有比基于优选特征与降维的滚动轴承故障诊断框架更优的诊断性能,进而验证了MJDA迁移学习方法对提升在不同工况下故障诊断性能的优越性。该论文有图50幅,表31个,参考文献184篇。
潘波[6]（2020）在《KECA在声发射行星齿轮箱故障诊断中的研究》文中研究说明作为一种复杂的复合齿轮传动系统,行星齿轮箱具有体积小、传动比大、传动效率高等优点。它广泛应用于航空航天、远洋船舶、风力发电机和汽车发动机等众多领域。由于行星齿轮箱本身结构复杂,在运行过程中,间隙、外力、碰撞、摩擦等因素与其动态行为产生相互作用,使其偏离理想运行状态,易导致故障的发生,甚至引起灾难性事故。因此,行星齿轮箱的状态监控和故障诊断对于保障系统安全可靠运行、降低维修成本、避免重大事故具有重要的研究意义和应用价值。声发射技术（Acoustic emission,AE）作为一种高灵敏度,宽频响范围的动态无损检测技术,在故障诊断领域得到了越来越广泛的应用。与传统的故障检测技术（如振动分析和油样分析等）相比,AE在行星齿轮箱超低速运行状态和早期故障诊断方面有较明显的优势。本文以行星齿轮箱为研究对象,结合AE检测技术,围绕行星齿轮箱故障状态识别和健康监测等问题开展了相关研究。故障诊断的本质是模式识别的问题,而如何从复杂的故障信号中提取出对设备运行状态敏感、可分性好、规律性强的特征参数是关键一步。基于此,本文引入基于核熵成分分析算法（Kernel Entropy Component Analysis,KECA）的行星齿轮箱状态识别模型,并在此基础上进一步提出了改进算法（Improved Kernel Entropy Component Analysis,IKECA）。主要工作如下:1)针对行星齿轮箱AE信号中难以避免会混有噪声,从而对其故障诊断和状态监测带来干扰的问题。首先分析了所采集AE信号中噪声的来源和成分,根据AE信号典型的非线性、非平稳和非高斯特性,以及噪声分布特点,采用小波包阈值降噪算法滤除AE信号中混有的噪声,提高信噪比。并且针对实测AE信号的特点,探究了小波基函数,分解层数,阈值,阈值函数等合适的选取方式,得到了良好的效果;2)针对从行星齿轮箱AE信号中提取的混合域高维特征数据集中存在的相关性和冗余性,会对后续的状态识别性能产生影响等问题,引入KECA算法来提取能表征设备状态的重要信息并降低维度。且在此基础上进一步提出了改进算法,该改进算法直接寻找使数据二次Renyi熵值最大的方向作为投影方向,充分挖掘嵌入高维空间中的低维敏感特征参数,从而提升了故障诊断效率和状态识别准确率。且与不同的特征提取算法作对比,通过实验验证了该改进算法的有效性和优越性。3)考虑到经IKECA算法处理后的数据还需要输入到分类器中才能完成最终状态的智能识别,本文针对行星齿轮箱故障识别的非线性,高维度和小样本等问题,研究了基于支持向量机的故障识别算法。一方面以分类准确率为指标进一步验证了IKECA算法的有效性和优越性;另一方面,在综合上述算法的基础上,将WPD-IKECA-SVM故障诊断模型用于实测AE信号的分析处理,结果表明该诊断框架具有更高的故障识别准确率和诊断效率。
豆龙江[7]（2019）在《断路器弹簧操作机构故障机理分析及诊断方法研究》文中研究说明高压断路器在变电站和发电厂有着广泛的应用,具有保护与控制输电线路的作用。高压断路器弹簧操作机构为断路器的分合闸提供动力,在实际运行中会出现卡涩、拒动等故障,且在所有故障中占有相当大的比例。开展断路器弹簧操作机构故障研究,对保证电力系统的安全稳定运行具有重要意义。本文以断路器弹簧操作机构为研究对象,开展了故障机理、时间特性参数提取及诊断方法的研究及应用,主要内容如下:（1）对断路器弹簧操作机构故障进行了仿真分析与试验研究。首先根据断路器实际尺寸建立准确的动力学分析模型,通过调节ADAMS中相应的参数,分别模拟了弹簧操作机构在正常状态、合闸弹簧疲劳、缓冲弹簧无效、传动机构故障等弹簧操作机构故障运动过程,得出了断路器动触头的合闸速度和最大行程的变化规律。然后分别实测了 LW42A-40.5型断路器在正常和故障工况下的动触头行程规律,验证了仿真分析的正确性。（2）提出了一种利用振动信号在线提取断路器时间特性参数的新方法,解决了传统方法只能在断路器停电检修的状态下进行,无法在线测量的问题。首先通过对断路器振动测点的选择与关联分析,结合断路器弹簧操作机构的运动过程中的零件的碰撞时序,将断路器的时间特性参数和振动信号之间一一对应的关系进行了梳理。然后采取VMD去噪以及基于短时能熵比的双门限法从多路振动信号中提取断路器在分闸过程和合闸过程中的时间特性参数,并通过实验验证了测量误差在允许范围之内,为高压断路器时间特性参数在线检测提供了一种新的思路。（3）提出了利用振动事件的时间参数作为特征向量诊断高压断路器的故障类型,并取得了较好的分类识别效果。首先对断路器不同运行状态下的振动信号进行对比分析发现,断路器在不同的运行状态下振动事件的发生时间和结束时间各不相同。然后选择具有代表性振动事件的时间参数作为特征向量,来表征断路器在不同运行状态下故障特征的变化。最后针对所构建的时间特征向量,利用模糊C均值聚类对其进行训练求取聚类中心,依据贴近度原则对测试样本进行分类,分类结果表明,所提出的特征向量物理意义明确,诊断效果较好。（4）提出了基于振动信号多维度特征向量的断路器故障诊断方法。首先通过对比不同分解算法的预处理效果,得出VMD在信号预处理方法的优势;探索利用不同熵集算法表征断路器振动信号的变化规律,验证了 VMD-MSE的优越性。然后在此基础上,提出了基于振动信号多维度特征向量的故障诊断方法,即将利用振动事件的时间参数特征向量（即横向维度特征）和振动事件各时间段的振动能量（即纵向维度特征）组成多维度故障特征向量,可以从时间和能量角度对振动信号进行全方位特征表达。最后利用SVM对所提特征向量进行训练与分类识别,取得了较好的故障诊断效果。该方法对于断路器的故障诊断提供了一种新的研究方法。（5）在理论研究的基础上,基于C#开发了一套断路器状态监测与故障诊断系统,给出了软件系统和硬件系统组成。所开发的软件系统功能包括信息管理、数据采集、历史数据和故障识别。研究了软件系统的开发平台、组织架构和工作流程,设计了软件系统中各个子模块的功能流程图和软件界面。所开发的断路器状态监测与故障诊断样机将理论研究应用于实际,具有较大的实用价值和推广应用意义。
丁铭真[8]（2018）在《三电平有源电力滤波器IGBT开路故障诊断研究》文中指出随着非线性设备的大量应用,谐波和无功的大量注入严重威胁电网的安全运行和电力设备的正常使用,有源电力滤波器（Active Power Filter,APF）以其卓越的谐波补偿效果得到了广泛的应用,特别是三电平主电路结构的APF,与传统的两电平电路相比,三电平主电路中开关器件个数增加,使得输出电压波形更接近指令信号,也致使电路的可靠性相应降低。因此,本文对中点钳位式（Neutral Point Clamped,NPC）三电平APF中IGBT进行开路故障诊断研究。在对APF中IGBT开路故障类型和运行机理进行分析的基础上,设计并搭建了中点钳位式三电平APF的模型,为本文故障诊断提供了实验平台。首先,针对APF中IGBT开路故障诊断的测试信号选择问题,对电路中测试信号进行分析,提出了以钳位二极管桥臂电压作为信号的测试方式。实验过程中,首先选取逆变输出侧电流、直流侧电压、电源侧电流为测试方式,发现上述3种测试方式在谐波源变化时不能对故障类型进行良好的区分;而基于所提测试方式不同故障类型间区分性好,并且不需要增加其它的辅助测试信号。其次,针对单特征提取故障信息的片面性,基于能量特性、不确定性及复杂性3个角度,提出了一种多特征融合的有源电力滤波器IGBT开路故障特征提取方法。在此过程中,为了避免特征参数维数增加导致的过拟合现象,使用主成分分析方法对所提取特征进行降维处理;并对三相整流桥谐波源在负载突变和触发角变化时做了特征提取适应性的实验分析。实验结果表明所采用的多特征融合提取方法克服了单特征提取的片面性,各种工况下的区分性能良好。为了消除噪声对所提特征提取方法的影响,使用中值滤波与小波阈值结合的复合去噪方法对含噪信号进行预处理,结果表明该方法可有效去除信号中噪声成分,消除了噪声对特征提取方法的影响。最后,针对传统算法对支持向量机参数组寻优诊断识别率不满足要求的问题,对故障诊断识别方法中参数组寻优算法进行研究,提出采用双子群果蝇算法对参数组寻优,提高了故障诊断的识别率,从而最终完成了对三电平有源电力滤波器IGBT开路故障诊断方法的研究。
杨战社[9]（2016）在《矿井提升机主回路故障诊断研究》文中研究指明提升机是矿井的“咽喉”,属于关键设备。到目前为止,我国矿业生产由于提升系统发生故障而产生重大事故,已造成了巨大的经济损失和人员伤亡。矿井提升机主回路系统主要设备包括供电部分的变压器、主回路的变频器、提升机、驱动滚筒,哪个部分出现故障,都是煤矿生产的不安全隐患,本文将故障诊断技术与工程技术领域相结合,研究矿井提升机主回路故障诊断,以解决实际的故障诊断问题和预防故障,从而确保提升机系统运行的安全性与可靠性。分析了矿井提升机主回路供电系统的组成,应用故障树分析法对其主回路系统组成的每个环节建立了相应的故障树,找出了系统的薄弱环节,为后续的故障诊断研究提供了技术指导。分析矿用油浸式变压器出现故障的特点,研究了变压器油中溶解气体的方法,根据溶解于变压器油中提供的有效气体信息,提出故障气体的组成含量和变压器故障类型之间的相互关系。因为传统的变压器故障诊断精度不高、核参数对故障分类影响比较大的缺点,结合可分离性测度的计算,提出了一种基于交叉验证参数优化基础上的改进的二叉树支持向量机（SVM）学习方法,建立变压器故障诊断模型,使用该参数优化的方法可以获得良好的效果,提高了变压器故障诊断的效率和准确性,同时更好的解决了核参数初始值选取困难的问题。对于变频器中的整流环节,针对电力电子电路故障的特点,使用了双线性网格搜索算法确定了相应的最优误差惩罚参数和高斯核参数,提出了一种改进的一对多支持向量机分类算法,建立分类器并对故障进行分类。当某一个分类器的值为真时,就不再进行下一步的计算并确定此时的电路故障类型,有效的降低了计算量,提高了测试的效率,针对实际的变频器搜集到的数据,应用提出的算法进行仿真研究,获得了良好的诊断精度。针对煤矿矿井提升机主驱动电机——异步电动机的转子绕组断条故障,提出了基于多层小波包分解的支持向量机故障诊断方法,该方法在分析电机转子绕组断条故障机理的基础上,采集电动机定子绕组电流信号,分别将正常信号和故障信号进行5层小波包变换,提取重构后的能量特征信息并进行归一化处理,作为支持向量机的输入向量,建立了异步电动机转子断条故障诊断模型,并对实际的矿井提升机转子断条故障进行验证,取得了良好的效果。
荆涛[10]（2015）在《南极机械臂关节故障检测与定位》文中提出极地考察具有重要的战略意义，由于南北极环境的特殊性，常采用机器人进行极地科考，机器人在进行移动作业时，必须配备多功能机械臂，电机好坏决定机械臂的工作性能，所以电机故障诊断是一项重要任务。据此，本文研究了永磁同步电机的故障诊断方法并设计了故障诊断系统。首先，研究了永磁同步电机的转子偏心故障机理及其在定子电流上产生的频率特征，分析了快速傅里叶算法在诊断转子偏心故障中的不足之处，提出用小波分析的方法来诊断转子偏心故障，通过小波变换，判断故障发生时间，提取故障频率，并进行了仿真；其次，研究电机过流故障的危害，设计了反时限过流保护算法，设计了欠压故障、相序错误、码盘故障和霍尔故障诊断算法，研究了基于对称分量法的电机单相短路和断路诊断方法；然后，在研究汽车故障诊断仪的工作原理和主要功能的基础上，设计了电机故障诊断系统，诊断系统通过CAN总线读取南极机械臂关节电机的电压、电流等信息，快速判断电机是否发生故障及故障关节位置。诊断硬件电路主要包括电机驱动电路和信号采集处理电路两大部分，驱动电路可以用来驱动多种电机，避免了对故障电机驱动器的依赖，信号采集电路采用高精度的信号采集芯片，以获取更多的实际电流信息。最后，研究了正常电机的数学模型，建立了电机单相短路和断路故障模型，设计了simulink仿真系统，分析了对称分量法在电机故障诊断中的应用。基于文中设计的诊断系统，对研究的诊断方法进行了实验验证。
二、基于小波分析的电机故障振声诊断方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于小波分析的电机故障振声诊断方法（论文提纲范文）
（1）船舶辅机低压感应电机参数辨识及故障诊断（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 感应电机参数辨识方法研究现状 |
| 1.2.2 感应电机故障诊断方法研究现状 |
| 1.3 主要研究内容和工作 |
| 第2章 感应电机工作原理及其矢量控制系统 |
| 2.1 感应电机工作原理 |
| 2.2 感应电机数学模型 |
| 2.2.1 坐标变换 |
| 2.3 感应电机在两相坐标系下的数学模型 |
| 2.3.1 任意旋转坐标系下的数学模型 |
| 2.3.2 两相静止坐标系下的数学模型 |
| 2.3.3 两相同步旋转坐标系下的数学模型 |
| 2.4 矢量控制 |
| 2.5 本章小结 |
| 第3章 感应电机参数辨识方法的研究 |
| 3.1 传统感应电机的参数辨识 |
| 3.1.1 T型等效电路 |
| 3.1.2 定子电阻的辨识 |
| 3.1.3 堵转实验 |
| 3.1.4 空载试验 |
| 3.2 基于递推最小二乘法的感应电机参数辨识 |
| 3.2.1 最小二乘法原理及其递推算法 |
| 3.2.2 感应电机递推辨识模型 |
| 3.3 激励信号的选择及参数敛散性分析 |
| 3.4 系统仿真设计及结果 |
| 3.5 影响辨识结果的关键因素分析 |
| 3.6 本章小结 |
| 第4章 感应电机故障诊断机理与小波分析理论 |
| 4.1 感应电机的故障类型 |
| 4.1.1 定子故障 |
| 4.1.2 转子故障 |
| 4.1.3 轴承故障 |
| 4.1.4 气隙偏心故障 |
| 4.2 感应电机振动异常特征机理分析 |
| 4.3 基于小波技术的感应电机故障信号处理 |
| 4.3.1 小波分析理论 |
| 4.3.2 小波变换 |
| 4.3.3 多分辨率分析 |
| 4.3.4 小波包分析 |
| 4.4 小波包变换在信号消噪中的优势 |
| 4.5 小波包变换在特征提取中的应用 |
| 4.6 基于小波包变换的感应电机轴承故障特征提取 |
| 4.7 本章小结 |
| 第5章 小波-神经网络感应电机故障诊断方法研究 |
| 5.1 神经网络在故障诊断领域的特征 |
| 5.2 BP神经网络 |
| 5.2.1 BP神经元模型和网络结构 |
| 5.2.2 BP神经网络算法 |
| 5.3 小波-神经网络 |
| 5.4 感应电机振动信号实测 |
| 5.4.1 实验详述 |
| 5.4.2 采集系统与传感器的选择 |
| 5.4.3 模拟故障类别 |
| 5.5 感应电机故障特征提取 |
| 5.6 感应电机故障BP神经网络设计 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望未来 |
| 参考文献 |
| 攻读硕士学位期间所取得的研究成果 |
| 致谢 |
| 详细摘要 |
（2）基于LabVIEW的电机状态监测系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究目的、意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电机状态监测与故障诊断技术研究现状 |
| 1.2.2 虚拟仪器的现状及发展前景 |
| 1.3 主要研究内容 |
| 第2章 电机故障机理及特征分析 |
| 2.1 电机的基本结构和工作原理 |
| 2.1.1 电机的基本结构 |
| 2.1.2 电机的工作原理 |
| 2.2 影响电机运行的因素 |
| 2.3 电机常见故障类型及其机理分析 |
| 2.3.1 电气故障 |
| 2.3.2 机械故障 |
| 2.3.3 励磁故障 |
| 2.4 本章小结 |
| 第3章 电机状态监测系统的总体设计及硬件组成 |
| 3.1 电机状态监测系统的总体设计 |
| 3.2 关键器件的选型 |
| 3.2.1 传感器 |
| 3.2.2 数据采集卡 |
| 3.3 本章小结 |
| 第4章 电机状态监测系统的软件设计 |
| 4.1 LabVIEW软件设计 |
| 4.2 数据采集与显示模块 |
| 4.3 数据处理模块 |
| 4.3.1 Butterworth滤波 |
| 4.3.2 小波分析 |
| 4.3.3 傅里叶变换 |
| 4.3.4 功率谱分析 |
| 4.4 历史数据查询模块 |
| 4.4.1 数据存储 |
| 4.4.2 数据回放 |
| 4.5 本章小结 |
| 第5章 电机状态监测系统的实验及结果分析 |
| 5.1 电机状态监测系统的搭建 |
| 5.1.1 实验对象 |
| 5.1.2 实验平台 |
| 5.2 实时数据采集与显示 |
| 5.3 数据处理 |
| 5.4 历史数据查询 |
| 5.5 实验数据分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（3）牵引异步电动机故障诊断（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的背景及意义 |
| 1.2 异步电机常见故障类型 |
| 1.3 国内外发展现状及总结 |
| 1.3.1 发展现状 |
| 1.3.2 方法总结 |
| 1.4 目前发展阶段存在的问题 |
| 1.5 本文内容安排 |
| 第二章 稳态下转子断条故障诊断理论基础 |
| 2.1 转子断条故障对定子电流的影响 |
| 2.2 基于小波分析的故障谐波电流提取方法 |
| 2.2.1 Fourier变换 |
| 2.2.2 小波分析 |
| 2.2.3 小波分析的应用及对数据的要求 |
| 2.3 基于HHT的稳态电流数据提取方法分析 |
| 2.3.1 Hilbert变换 |
| 2.3.2 解析信号及瞬时频率 |
| 2.3.3 EMD基础 |
| 2.3.4 HHT变换 |
| 2.3.5 HHT分析方法总结 |
| 2.3.6 “稳态”数据的提取 |
| 2.4 转子断条故障诊断思路 |
| 本章小结 |
| 第三章 机车牵引电机故障诊断实施方法 |
| 3.1 系统设计的基本要求 |
| 3.2 数据采集系统设计 |
| 3.2.1 基于TCU的数据获取系统 |
| 3.2.2 独立的数据采集系统 |
| 3.3 诊断分析模块设计 |
| 3.4 故障诊断系统运行方案 |
| 本章小结 |
| 第四章 转子断条故障诊断系统的实现 |
| 4.1 信号调理模块设计 |
| 4.1.1 隔离及放大电路 |
| 4.1.2 滤波电路 |
| 4.2 数据管理 |
| 4.2.1 数据存储 |
| 4.2.2 数据读取 |
| 4.3 诊断数据的二次消噪 |
| 4.4 诊断分析相关参数的设定与提取 |
| 4.4.1 牵引电机基频频率的提取 |
| 4.4.2 牵引电机转差率的计算 |
| 4.4.3 小波分析相关参数设定 |
| 本章小结 |
| 第五章 转子断条故障诊断系统验证分析 |
| 5.1 模拟转子断条故障诊断模型搭建 |
| 5.2 基于Simulink的模拟转子断条故障验证分析 |
| 5.3 基于拟合曲线的模拟转子断条故障验证分析 |
| 5.3.1 不同定子电流基频频率的验证对比 |
| 5.3.2 不同频率差时的验证对比 |
| 5.3.3 不同幅值时的验证对比 |
| 本章小结 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
（4）基于卷积神经网络的高压断路器故障诊断方法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 高压断路器故障诊断研究发展与现状 |
| 1.2.1 基于振动信号的故障诊断方法的研究 |
| 1.2.2 基于线圈电流的故障诊断方法的研究 |
| 1.2.3 深度学习的研究发展与现状 |
| 1.3 本文的研究内容及章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第二章 高压断路器工作机理及故障分析 |
| 2.1 高压断路器工作机理 |
| 2.1.1 高压断路器一次侧工作机理 |
| 2.1.2 高压断路器二次侧弹簧操动机构工作机理 |
| 2.1.3 高压断路器二次侧分合闸线圈回路工作机理 |
| 2.2 高压断路器典型故障与分析 |
| 2.2.1 高压断路器典型故障类型 |
| 2.2.2 高压断路器典型故障原因分析 |
| 2.3 本章小结 |
| 第三章 基于操动机构振动信号的断路器故障诊断方法 |
| 3.1 振动信号的特征预处理方法 |
| 3.1.1 小波变换原理 |
| 3.1.2 振动信号的小波频带能量法 |
| 3.1.3 振动信号的时频图转化法 |
| 3.2 基于振动信号的故障诊断方法 |
| 3.2.1 RBF故障诊断模型 |
| 3.2.2 SVM故障诊断模型 |
| 3.2.3 AlexNet卷积神经网络故障诊断模型 |
| 3.3 基于振动信号的故障诊断实验结果与分析 |
| 3.3.1 振动信号特征预处理结果与分析 |
| 3.3.2 基于Alex Net卷积神经网络的故障诊断结果与分析 |
| 3.4 本章小结 |
| 第四章 基于分合闸线圈电流信号的断路器故障诊断方法 |
| 4.1 分合闸线圈电流的模拟试验与仿真分析 |
| 4.1.1 合闸线圈卡涩故障的模拟试验 |
| 4.1.2 分闸线圈击穿的模拟试验 |
| 4.1.3 模拟试验与仿真对比 |
| 4.2 线圈电流信号特征预处理方法 |
| 4.2.1 经验模态分解(EMD)原理 |
| 4.2.2 改进集合经验模态自适应去噪法 |
| 4.2.3 时域求极值法 |
| 4.3 基于线圈电流信号的故障诊断方法 |
| 4.3.0 GA-BP故障诊断模型 |
| 4.3.1 2D-CNN故障诊断模型 |
| 4.3.2 1D-CNN故障诊断模型 |
| 4.4 基于线圈电流信号的故障诊断实验结果与分析 |
| 4.4.1 线圈电流信号特征预处理结果与分析 |
| 4.4.2 基于2D/1D-CNN的故障诊断结果与分析 |
| 4.5 本章小结 |
| 第五章 基于MATLAB-GUI的故障检测与仿真系统设计 |
| 5.1 高压断路器故障检测与仿真系统整体构架 |
| 5.2 高压断路器故障检测与仿真系统子系统功能 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（5）基于优选特征的滚动轴承故障诊断研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 故障诊断的方法与分类 |
| 1.3 国内外研究现状 |
| 1.4 研究内容与创新之处 |
| 2 基于双树复小波包变换的振动信号处理与特征提取 |
| 2.1 引言 |
| 2.2 小波变换 |
| 2.3 小波包变换 |
| 2.4 双树复小波包变换 |
| 2.5 滚动轴承振动信号处理与特征提取 |
| 2.6 本章小结 |
| 3 基于故障敏感度与特征间相关度的特征优选 |
| 3.1 引言 |
| 3.2 Relief F特征选取方法 |
| 3.3 皮尔逊相关系数 |
| 3.4 基于故障敏感度与特征间相关度的特征优选方法 |
| 3.5 特征优选方法实验分析 |
| 3.6 本章小结 |
| 4 基于优选特征与降维的滚动轴承故障诊断 |
| 4.1 引言 |
| 4.2 降维方法 |
| 4.3 基于优选特征与降维的滚动轴承故障诊断框架 |
| 4.4 实验分析 |
| 4.5 本章小结 |
| 5 基于优选特征与迁移学习的滚动轴承故障诊断 |
| 5.1 引言 |
| 5.2 联合分布自适应 |
| 5.3 改进联合分布自适应 |
| 5.4 基于优选特征与改进联合分布自适应的滚动轴承故障诊断框架 |
| 5.5 实验分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（6）KECA在声发射行星齿轮箱故障诊断中的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 行星齿轮箱故障检测的研究进展 |
| 1.2.1 基于动力学模型的行星齿轮箱故障诊断方法 |
| 1.2.2 基于信号的行星齿轮箱故障诊断方法 |
| 1.3 声发射技术在故障诊断中的应用 |
| 1.3.1 声发射故障检测技术的研究进展 |
| 1.3.2 AE信号分析处理方法 |
| 1.4 本文工作及章节安排 |
| 第二章 声发射故障检测原理 |
| 2.1 引言 |
| 2.2 声发射检测技术 |
| 2.2.1 声发射检测技术的概念 |
| 2.2.2 声发射的产生机理 |
| 2.2.3 声发射信号的传播特性 |
| 2.2.4 声发射检测原理 |
| 2.3 声发射行星齿轮箱故障诊断试验 |
| 2.3.1 实验装置 |
| 2.3.2 声发射信号采集 |
| 2.4 本章小结 |
| 第三章 基于小波包的声发射信号降噪算法研究 |
| 3.1 引言 |
| 3.2 噪声源分析 |
| 3.3 小波分析基础理论 |
| 3.4 小波包阈值降噪 |
| 3.4.1 小波基选择 |
| 3.4.2 分解层数选择 |
| 3.4.3 阈值的选择 |
| 3.4.4 阈值函数选择 |
| 3.5 实验研究 |
| 3.6 本章小结 |
| 第四章 基于核熵成分分析的故障特征提取算法研究 |
| 4.1 引言 |
| 4.2 主成分分析 |
| 4.3 核主成分分析 |
| 4.3.1 核方法 |
| 4.3.2 核主成分分析 |
| 4.4 核熵成分分析 |
| 4.5 改进的核熵成分分析算法 |
| 4.6 实验研究 |
| 4.6.1 高维特征空间构造 |
| 4.6.2 实验结果分析 |
| 4.7 本章小结 |
| 第五章 基于支持向量机的故障分类算法 |
| 5.1 引言 |
| 5.2 支持向量机理论 |
| 5.2.1 线性支持向量机 |
| 5.2.2 非线性支持向量机 |
| 5.2.3 支持向量机的多分类问题 |
| 5.3 实验研究 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（7）断路器弹簧操作机构故障机理分析及诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 断路器类型及结构 |
| 1.3 断路器操作机构故障研究现状 |
| 1.3.1 故障类型 |
| 1.3.2 故障诊断方法研究 |
| 1.4 本文主要研究内容 |
| 第2章 断路器的弹簧操作机构故障动力学特性分析与试验研究 |
| 2.1 LW42A-40.5型断路器试验平台 |
| 2.2 断路器动力学分析模型研究 |
| 2.2.1 ADAMS理论 |
| 2.2.2 断路器弹簧操作机构物理建模 |
| 2.2.3 断路器弹簧操作机构动力学建模 |
| 2.3 断路器弹簧操作机构动力学特性理论分析 |
| 2.4 断路器弹簧操作机构动力学特性仿真分析 |
| 2.4.1 正常状态 |
| 2.4.2 合闸弹簧疲劳 |
| 2.4.3 缓冲弹簧无效 |
| 2.4.4 传动机构故障 |
| 2.5 断路器弹簧操作机构故障时动力学特性试验研究 |
| 2.5.1 故障模拟方法 |
| 2.5.2 试验结果分析 |
| 2.6 本章小结 |
| 第3章 断路器时间特性参数提取方法研究 |
| 3.1 断路器时间特性参数定义及其诊断方法 |
| 3.2 断路器时间特性参数试验研究 |
| 3.3 基于振动信号的时间特性参数提取新方法研究 |
| 3.3.1 振动测点选择及信号采集 |
| 3.3.2 振动信号与时间特性参数关联分析 |
| 3.3.3 基于振动信号的时间特性参数提取新方法研究 |
| 3.4 基于振动信号的时间特性参数提取试验分析 |
| 3.4.1 振动信号去噪研究 |
| 3.4.2 时间特性参数提取结果分析 |
| 3.5 本章小结 |
| 第4章 基于振动信号时间参数的断路器故障诊断方法研究 |
| 4.1 不同运行状态下断路器时间参数变化研究 |
| 4.2 基于振动信号时间参数的断路器故障诊断 |
| 4.2.1 故障诊断算法研究 |
| 4.2.2 故障诊断流程 |
| 4.3 特征向量构建 |
| 4.4 模式识别 |
| 4.5 本章小结 |
| 第5章 基于振动信号熵的断路器故障诊断方法研究 |
| 5.1 断路器振动信号预处理方法研究 |
| 5.1.1 断路器仿真振动信号EWT预处理 |
| 5.1.2 断路器仿真振动信号VMD预处理 |
| 5.1.3 断路器实验振动信号采集与预处理 |
| 5.2 断路器振动信号熵集特征向量构建 |
| 5.2.1 断路器振动信号VMD-MSE特征向量构建 |
| 5.2.2 断路器振动信号VMD-SpEn特征向量构建 |
| 5.2.3 断路器振动信号VMD-ApEn特征向量构建 |
| 5.3 基于振动信号熵和支持向量机的故障诊断方法研究 |
| 5.3.1 支持向量机 |
| 5.3.2 故障诊断流程 |
| 5.3.3 故障诊断结果分析 |
| 5.4 基于振动信号的多维度特征向量的故障诊断方法研究 |
| 5.4.1 多维度特征向量提取方法研究 |
| 5.4.2 多维度特征向量提取分析 |
| 5.4.3 基于振动信号多维度特征向量的故障诊断 |
| 5.5 本章小结 |
| 第6章 断路器状态监测与故障诊断系统开发 |
| 6.1 诊断系统总体设计 |
| 6.2 硬件系统设计 |
| 6.3 软件系统开发平台 |
| 6.4 软件系统运行环境 |
| 6.5 软件系统总体流程 |
| 6.6 软件系统主要模块设计 |
| 6.7 本章小结 |
| 第7章 结论与展望 |
| 7.1 主要结论 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（8）三电平有源电力滤波器IGBT开路故障诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 IGBT故障诊断方法的研究现状 |
| 1.2.1 机理分析方法 |
| 1.2.2 系统辨识方法 |
| 1.2.3 阈值比较方法 |
| 1.3 有源电力滤波器中IGBT故障诊断技术的研究现状 |
| 1.3.1 电流诊断法 |
| 1.3.2 电压诊断法 |
| 1.3.3 其它诊断方法 |
| 1.4 多特征融合在故障诊断方面的应用 |
| 1.5 本文的主要工作 |
| 第二章 IGBT故障机理分析与仿真模型构建 |
| 2.1 IGBT故障类型与机理分析 |
| 2.1.1 三电平有源电力滤波器的故障类型分析 |
| 2.1.2 电路运行机理分析 |
| 2.2 有源电力滤波器仿真模型构建 |
| 2.2.1 有源滤波器的工作原理 |
| 2.2.2 仿真模型整体结构分析 |
| 2.3 小结 |
| 第三章 故障诊断测试方式选取与效果分析 |
| 3.1 测试信号的初步选取分析 |
| 3.1.1 小波包变换特征提取理论基础 |
| 3.1.2 测试信号及特征提取实验分析 |
| 3.1.3 不同测试方式下故障特征提取 |
| 3.1.4 诊断结果分析 |
| 3.2 基于钳位二极管桥臂电压测试信号的分析 |
| 3.2.1 信号选择原理分析 |
| 3.2.2 基于钳位二极管桥臂电压测量的运行状态波形分析 |
| 3.3 测试信号工程实用性分析 |
| 3.4 小结 |
| 第四章 基于多特征融合的IGBT开路故障特征提取方法 |
| 4.1 基于多特征融合的特征提取方法的实验分析 |
| 4.1.1 IGBT开路故障多特征参数提取理论分析 |
| 4.1.2 IGBT开路故障多特征提取实验分析 |
| 4.1.3 IGBT开路故障多特征降维实验分析 |
| 4.1.4 特征提取方法对比分析 |
| 4.2 特征提取方法的适应性分析 |
| 4.3 基于复合去噪方法的数据处理 |
| 4.3.1 基于复合去噪方法的含噪信号处理 |
| 4.3.2 去噪后测试信号的特征提取效果分析 |
| 4.4 小结 |
| 第五章 基于双子群果蝇算法的支持向量机参数优化 |
| 5.1 三电平有源电力滤波器IGBT开路故障诊断方法流程 |
| 5.2 支持向量机的理论分析 |
| 5.3 基于网格搜索方法寻优支持向量机参数 |
| 5.4 果蝇算法原理分析 |
| 5.5 基于双子群果蝇算法参数寻优的支持向量机 |
| 5.5.1 果蝇优化算法 |
| 5.5.2 基于双子群果蝇算法的故障诊断分析 |
| 5.6 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间所取得的相关科研成果 |
（9）矿井提升机主回路故障诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 矿用油浸式电力变压器故障诊断技术 |
| 1.2.2 变频器故障诊断技术 |
| 1.2.3 矿井提升机主驱动电机故障诊断技术 |
| 1.3 主要研究内容 |
| 1.4 研究方法及技术路线 |
| 1.4.1 油浸式电力变压器故障诊断方法研究 |
| 1.4.2 变频器中整流环节故障诊断方法研究 |
| 1.4.3 矿井提升机主驱动电机故障诊断方法研究 |
| 2 矿井提升机系统的组成及其故障树 |
| 2.1 矿井提升机系统的组成结构 |
| 2.2 矿井提升机运行时的速度曲线 |
| 2.2.1 S形速度曲线 |
| 2.2.2 S形速度曲线的数学模型 |
| 2.3 故障树的工作原理 |
| 2.3.1 故障树的特点 |
| 2.3.2 故障树的构建 |
| 2.4 矿井提升机的电控系统故障树 |
| 2.4.1 变压器故障树的建立 |
| 2.4.2 变频器故障树的建立 |
| 2.4.3 驱动主电机故障树的建立 |
| 2.5 本章小结 |
| 3 基于支持向量机的矿用电力变压器故障诊断 |
| 3.1 油中溶解气体分析 |
| 3.1.1 油中溶解气体的来源 |
| 3.1.2 变压器内部故障类型与油中溶解气体含量关系 |
| 3.2 支持向量机 |
| 3.2.1 线性最优分类超平面 |
| 3.2.2 非线性最优分类超平面 |
| 3.2.3 核函数 |
| 3.2.4 多分类支持向量机 |
| 3.2.5 改进的支持向量机——基于层次聚类法的二叉树支持向量机 |
| 3.3 交叉验证参数优化算法 |
| 3.4 支持向量机在矿用电力变压器故障诊断中的应用研究 |
| 3.4.1 故障特征量的确定 |
| 3.4.2 特征值的数据预处理 |
| 3.4.3 故障诊断模型的确定 |
| 3.4.4 核函数的选择及其参数的求解方法 |
| 3.5 基于交叉验证法的支持向量机的变压器故障诊断实例仿真 |
| 3.6 本章小结 |
| 4 基于参数优化小波支持向量机的变频器整流环节故障诊断 |
| 4.1 变频器的种类及其故障分析 |
| 4.1.1 变频器的种类及应用 |
| 4.1.2 电力电子电路功率管的故障机理分析 |
| 4.2 交-直-交型变频器的整流桥仿真模型的建立 |
| 4.2.1 整流电路正常工作时的状态分析 |
| 4.2.2 整流电路仿真模型的建立 |
| 4.3 整流电路故障状态分析 |
| 4.4 小波变换 |
| 4.4.1 小波变换 |
| 4.4.2 多分辨率分析 |
| 4.4.3 Mallat算法 |
| 4.5 核函数参数寻优方法 |
| 4.5.1 双线性搜索法 |
| 4.5.2 网格搜索法 |
| 4.5.3 双线性网格搜索法 |
| 4.6 基于双线性网格搜索参数优化的小波支持向量机在整流电路中的应用 |
| 4.6.1 整流电路故障电压信号的特征提取 |
| 4.6.2 训练样本 |
| 4.6.3 支持向量机分类器的构造 |
| 4.7 双线性网格搜索法优化参数的支持向量机在变频器中的实际应用 |
| 4.8 本章小结 |
| 5 基于小波包支持向量机的矿井提升机驱动电机故障诊断 |
| 5.1 笼型异步电动机常见故障 |
| 5.2 笼型异步电机转子断条故障诊断机理分析 |
| 5.3 转子断条故障特征的机理研究 |
| 5.4 笼型异步电机转子断条故障诊断中的算法研究 |
| 5.4.1 小波变换去噪 |
| 5.4.2 小波包变换 |
| 5.5 基于小波包多层分解的支持向量在实际矿井提升机电机中的应用 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 主要结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的成果 |
（10）南极机械臂关节故障检测与定位（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 本论文研究的目的和意义 |
| 1.2 南极考察机器人研究现状 |
| 1.3 电机故障诊断研究现状 |
| 1.3.1 基于人工神经网络的电机故障诊断方法 |
| 1.3.2 基于模糊逻辑的电机故障诊断方法 |
| 1.3.3 基于遗传算法的电机故障诊断方法 |
| 1.4 本文的主要研究内容 |
| 第二章 电机故障机理 |
| 2.1 永磁同步电机的结构与工作原理 |
| 2.1.1 永磁同步电机总体结构 |
| 2.1.2 永磁同步电机的基本工作原理 |
| 2.2 转子偏心故障机理 |
| 2.2.1 转子偏心振动故障机理 |
| 2.2.2 转子偏心故障电流特征分析 |
| 2.3 电机的电气故障特征及保护 |
| 2.3.1 电气故障类型 |
| 2.3.2 反时限过流保护 |
| 2.3.3 对称分量法 |
| 2.4 本章小结 |
| 第三章 小波分析在电机故障诊断中的应用 |
| 3.1 傅里叶分析 |
| 3.2 小波变换 |
| 3.3 多分辨率分析 |
| 3.4 小波分析在转子偏心故障中的应用 |
| 3.4.1 提取转子偏心故障频率 |
| 3.4.2 获取转子偏心故障发生时间 |
| 3.5 本章小结 |
| 第四章 电机故障诊断系统设计 |
| 4.1 故障诊断系统总体方案 |
| 4.1.1 汽车故障诊断仪的原理 |
| 4.1.2 总体方案设计 |
| 4.2 故障诊断硬件系统设计 |
| 4.2.1 DSP 最小系统设计 |
| 4.2.2 系统电源电路设计 |
| 4.2.3 CAN 通讯电路设计 |
| 4.2.4 系统 SRAM 存储电路设计 |
| 4.2.5 串口通讯电路设计 |
| 4.2.6 三相电压逆变电路 |
| 4.2.7 PWM 驱动电路 |
| 4.2.8 A/D 保护及矫正电路设计 |
| 4.2.9 电流信号采集电路设计 |
| 4.2.10 电流信号滤波调理电路设计 |
| 4.3 CAN 通讯协议设计 |
| 4.4 故障诊断算法设计 |
| 4.4.1 单相断路和短路故障 |
| 4.4.2 过流故障 |
| 4.4.3 欠压故障 |
| 4.4.4 相序错误故障 |
| 4.4.5 霍尔故障 |
| 4.4.6 码盘故障 |
| 4.5 本章小结 |
| 第五章 故障诊断仿真与实验 |
| 5.1 永磁同步电机的故障模型 |
| 5.1.1 正常电机模型 |
| 5.1.2 单相短路故障电机模型 |
| 5.1.3 单相断路故障电机模型 |
| 5.2 电机故障 MATLAB/Simulink 仿真 |
| 5.2.1 电机单相断路故障仿真 |
| 5.2.2 电机单相短路故障仿真 |
| 5.3 电机故障诊断实验 |
| 5.3.1 单相断路故障实验 |
| 5.3.2 过流保护实验 |
| 5.3.3 欠压故障实验 |
| 5.3.4 码盘故障 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
四、基于小波分析的电机故障振声诊断方法（论文参考文献）
- [1]船舶辅机低压感应电机参数辨识及故障诊断[D]. 万斌斌. 江苏科技大学, 2021
- [2]基于LabVIEW的电机状态监测系统研究[D]. 刘荣誉. 长春理工大学, 2021(02)
- [3]牵引异步电动机故障诊断[D]. 孟凡奇. 大连交通大学, 2020(06)
- [4]基于卷积神经网络的高压断路器故障诊断方法的研究[D]. 林穿. 福建工程学院, 2020(02)
- [5]基于优选特征的滚动轴承故障诊断研究[D]. 田媛媛. 中国矿业大学, 2020(03)
- [6]KECA在声发射行星齿轮箱故障诊断中的研究[D]. 潘波. 电子科技大学, 2020(01)
- [7]断路器弹簧操作机构故障机理分析及诊断方法研究[D]. 豆龙江. 华北电力大学(北京), 2019(01)
- [8]三电平有源电力滤波器IGBT开路故障诊断研究[D]. 丁铭真. 河北工业大学, 2018(07)
- [9]矿井提升机主回路故障诊断研究[D]. 杨战社. 西安科技大学, 2016(02)
- [10]南极机械臂关节故障检测与定位[D]. 荆涛. 北京理工大学, 2015(07)