一、基于神经网络结构的中频电参量测试仪的设计（论文文献综述）
张亚楠[1]（2020）在《基于声发射信号处理的风力机叶片损伤演化研究》文中研究指明叶片是风力机获取风能的关键部件,在叶片的生产过程中,往往因为其制作工艺的特殊,自动化程度不高,使生产出来的叶片存在内部缺陷,如褶皱、分层、缺胶等。由于这些随机分布的工艺缺陷存在,导致复合材料的疲劳破坏通常从缺陷处开始,并在随机交变应力作用下逐步扩展贯通成为宏观裂纹,继而逐步扩展到界面上引发疲劳损伤,对叶片结构造成破坏。考虑风电场大多位于偏远地区,存在维护、监测困难的问题,如果早期损伤未被及时发现,有可能在恶劣工况下发展为恶性事故而造成巨大的经济损失。因此,研究风力机叶片的损伤演化识别,对于保障叶片长时间安全运行具有重要意义。本文研究采用声发射技术对叶片复合材料损伤演化状态进行识别和预测,为风力机叶片健康状态监测提供新思路,论文的主要研究内容如下:（1）以损伤力学理论为基础,通过分析不同阶段损伤演化的能量耗散,建立了风力机叶片复合材料的损伤演化模型,从而明晰声发射能量耗散和复合材料损伤演化规律的关系。通过复合材料层合板Lamb理论讨论了不同类型的Lamb频散控制方程以及频散特性。利用声发射断铅实验分析了不同Lamb波传播方式,并讨论了不同损伤程度对Lamb波的影响,为损伤演化过程中声发射信号波形分析提供理论依据。（2）依据风电发电机组风轮叶片质量标准中对叶片质量影响最大的褶皱和分层工艺缺陷,针对性的建立了GFRP复合材料声发射实验平台,并详细阐述了实验步骤和人工缺陷制作方法。实验分析了分层缺陷位置、大小和不同高宽比褶皱缺陷对复合材料力学性能的影响。使用聚类分析算法识别了复合材料损伤模式,并利用电镜扫描验证的损伤模式识别的正确性。通过对不同缺陷复合材料的声发射特征分析,明晰了缺陷类型和几何参数对叶片损伤规律的影响,为缺陷复合材料损伤模式识别和状态监测提供依据。（3）褶皱缺陷在损伤演化过程中,由于损伤模式的多样性使得观测AE信号源的数目小于声发射源信号数目,本文提出一种改进的K-means欠定盲源分离方法,有效提取了褶皱缺陷损伤演化过程中基体开裂,纤维剥离,界面分层和纤维断裂的频率特征,最后计算并分析疲劳损伤演化中各类损伤特征的声能耗散趋势。研究结果表明,褶皱缺陷在稳定损伤阶段,纤维及纤维束纵向所产生的纤维剥离是能量耗散的主要来源,失稳破坏阶段出现的裂纹和脱粘以及纤维断裂为主要的声发射激励源,并呈现高幅值能量释放的态势,从而明晰了褶皱缺陷的损伤演化机理。（4）针对叶片层合板分层缺陷损伤演化中多组分材料所导致交叉项干扰问题,提出了一种基于自适应VMD-WVD时频分析方法,通过利用交替方向乘子法迭代搜索求取增广Lagrange函数的鞍点,获取声发射模态分量和中心频率。实验结果表明,通过二维时频分布相关系数和时频分辨率对算法性能进行评价,该方法使得交叉项干扰有效降低,还能保证较高的时频聚集性和时频分辨率,能够细致地刻画声发射信号在时频平面上所发生的变化过程,表征分层缺陷损伤的复杂动态过程。（5）考虑叶片复合材料在应力达到最大之前便已经发展为宏观失效,造成失稳破坏的识别和预测难度较大。针对该问题,提出一种基于声发射信号聚类分析和神经网络的复合材料失稳破坏前兆特征识别和预测方法,通过对比每种声发射信号类型的时序演化特征,筛选出合适的前兆特征信号建立神经网络预测模型。结果表明,该方法相比于声发射积累能量和积累计数等参数可有效的对其失稳破坏状态进行识别和预测。
赵元沛[2]（2019）在《基于组合神经网络模型的MOSEFT健康状态评估系统研究》文中认为功率器件作为功率变流器的核心部件,在电力系统、新能源发电系统、航空航天等领域得到了广泛的应用。但在服役过程中功率器件长期承受交变的电、热应力冲击,使得功率器件从性能退化到老化失效,导致系统运行风险逐步增加。由于对功率器件在运行过程中的失效机理和健康状态缺乏认知和监测,使得现有的电力电子装备设计往往靠高成本过度裕量的方式来换取装备的安全可靠运行。因此,本文通过研究功率器件疲劳失效的内部演化机理,得到失效过程中电、热参数演变规律,对比并甄选出能表征其健康状态的特征参量,进而建立功率器件的健康状态监测方法和评估模型,并在实际应用中对模型准确性进行验证。本研究成果能够对功率器件健康状态进行准确评估,从而提高装备的运行可靠性及降低设计、维护成本。本文主要内容如下:（1）基于有限元方法对研究对象建立1:1的三维有限元模型,研究功率MOSFET在电场和温度场耦合下的封装失效机制。分别对键合引线脱落和焊料层疲劳进行仿真,结果表明监测焊料层疲劳失效阶段更利于对功率器件进行状态监测;根据导通电阻能以更高的灵敏度反映器件疲劳状态的事实,构建损伤程度D作为疲劳评估指标;通过仿真进一步验证了损伤程度D作为评估指标的准确性和可行性。（2）建立以漏极电流、壳温和导通电阻作为输入参量的组合神经网络模型作为健康状态评估模型。根据有限元模型获取训练数据,训练多个BP神经网络;分析多个BP神经网络模型的输出统计规律,结果表明在全工作域内及不同健康等级下模型输出结果均服从正态分布;利用3σ准则思想计算评估结果及模型准确率,结果表明:当区间宽度设置为2.4s时,模型准确率为94.47%,组合神经网络模型能够以较高的准确率对功率MOSFET进行健康状态评估。（3）为验证健康状态评估模型在实际应用中的准确性,设计了面向实际应用的样机用于实验验证。选择基于航天需求的BUCK变流器作为实际应用场景,设计模型输入参量的采样方案;在不同电流等级和疲劳程度下进行验证试验,将试验采样数据输入健康状态评估模型,模型输出结果和预期相符,验证了该评估模型的准确性;最后基于健康状态评估模型和特征量采样接口,建立了功率MOSEFT的健康状态评估系统,利用该评估系统可以对器件的正确合理使用、状态检修等工程应用提供指导。
夏克刚[3]（2019）在《动力电池组健康状态监测和寿命预测的研究》文中进行了进一步梳理随着能源危机和环境污染日益严重的问题,电动汽车的蓬勃发展已成为必然趋势。作为电动汽车能量的来源,动力电池已成为研究的重点。近年来,智能算法对电池的状态预测研究受到国内外学者广泛的重视。本文基于神经网络算法和联合法等方法,提出了预测电池荷电状态（State of Charge,SOC）、健康状态（State of Health,SOH）和剩余使用寿命（Remaining Useful Life,RUL）的方法,采用实验结合仿真的方式,深入研究对电池健康状态和剩余使用寿命预测精度不高和单一参量预测局限性的难题。本文的主要研究工作和创新点如下:（1）通过测量实验发现,锂电池内阻对其SOC的预测有重要影响,而现有文献中很少研究电池内阻对SOC预测的影响。本文采用BP神经网络方法,将采集电池的电压、电流、内阻和温度作为网络的输入,电池SOC作为神经网络的输出,建立SOC预测模型进行仿真实验。相比现有研究工作,本文加入内阻作为输入的预测模型,比未加内阻的模型预测精度更高,误差波动小。（2）在研究工作（1）的基础上,分别提出改进型容量法、改进型内阻法和电压法估算电池的SOH。与现有预测方法对比,三种方法的预测时间大大缩减,通过仿真实验,从而验证了三种单独方法的预测精度高。在此基础上又提出基于BP神经网络联合方法估算电池的SOH,并且通过仿真实验,验证了遗传神经网络联合方法相比BP神经网络联合方法和粒子群神经网络联合方法预测SOH的优势。（3）在研究工作（1）和（2）的基础上,分别提出基于曲线拟合、卡尔曼滤波和灰色神经网络算法预测电池的剩余使用寿命。并在此基础上,提出基于神经网络联合方法预测电池的剩余使用寿命。通过仿真实验,验证了基于神经网络联合方法预测精度高于其他三种方法。同时通过仿真对比,验证了粒子群神经网络联合方法相比BP神经网络联合方法和遗传神经网络联合方法预测RUL的优势。
丁健华[4]（2019）在《基于深度学习的电主轴轴承故障诊断方法研究》文中进行了进一步梳理轴承作为电主轴的核心结构,一旦出现故障,必将导致电主轴乃至整条生产线瘫痪。为了确保电主轴能够安全可靠的运行,对电主轴轴承的故障进行诊断是必不可少的。随着深度学习方法的发展,从数据本身自主学习特征的思想为故障诊断提供了新思路。而稀疏降噪自编码器（Sparse denoising auto encoders,SDAE）和卷积神经网络（Convolutional neural network,CNN）作为深度学习中泛化能力最强的一种方法,也为电主轴轴承故障诊断领域开辟了广阔的发展前景。本文以电主轴轴承故障为研究对象,将轴承故障数据作为SDAE以及改进后的CNN方法的输入样本,并将改进后的方法诊断电主轴轴承的故障类型,本文的主要工作如下:（1）结合电主轴轴承的理论知识,利用模拟实验平台对电主轴轴承的内、外圈故障、滚动体、转子轴承不对中、转子轴承不平衡等故障进行数据采集。（2）对SDAE结构和训练方式展开研究。同时利用电主轴轴承内、外圈以及滚动体中度故障的仿真信号验证了 SDAE优异的分类性能,对比传统神经网络和SDAE的分类准确率,总结了 SDAE的结构优点。（3）为了提高电主轴轴承故障诊断准确率,减少过拟合现象,设计了一种基于改进的卷积神经网络CNND电主轴轴承故障诊断方法。在CNN中加入多种防止过拟合的方法,经过对比可以得出dropout方法效果最好。仿真结果表明将dropout优化方法与卷积神经网络相结合所建立的电主轴轴承故障诊断模型是可行的,能够避免出现过拟合现象的同时提高诊断准确率。（4）为了增强模型对故障数据特征的提取能力,设计了一种改进的SDAE-CNN电主轴轴承故障诊断方法。首先,对SDAE隐含层数以及隐含层神经元个数组合进行优化;其次,对CNN结构中卷积层个数、卷积核个数、卷积核尺寸等参数值进行最优选择;然后,用SDAE特征表达训练CNN;最后,选择适应性据估计（Adaptive moment estimation,Adam）优化算法减少交叉熵函数值;并以电主轴轴承外圈裂化程度不同的故障为研究对象,仿真结果表明,该方法的特征提取能力以及最终的故障诊断准确率都要高于其它方法。本文设计的改进SDAE-CNN的电主轴轴承故障诊断方法可有效识别电主轴轴承的故障类型,提高故障诊断精度。
薛飞[5]（2018）在《工程机械驾驶室全局声振耦合特性分析与声品质评价研究》文中研究指明工程机械行业是我国改革开放以来发展最快、对国家基础设施建设影响最大的行业之一,其产品已成为出口创汇的主力产品之一,我国也已成为名副其实的工程机械制造大国,但我国工程机械产品的总体水平与发达国家相比仍然要落后,尤其涉及工程机械振动、噪声、排放等方面的水平与世界工程机械制造强国还存在较大差距,产品难以批量进入发达地区的市场。随着现代化建设发展,工程机械愈来愈向着复杂化、大型化和轻量化方向发展,其振动和噪声问题显得更加突出。因此,工程机械NVH性能的控制成了产品升级换代、提高产品国际市场竞争力的重要途径之一。工程机械驾驶室噪声水平作为衡量工程机械NVH性能的重要指标之一,它是工程机械NVH性能控制的关键和难点。众所周知,工程机械驾驶室通常含有大量薄板类结构,而薄板振动而引起的声辐射和声振耦合问题则是声学工程领域的研究热点。近年来,在车辆轻量化发展过程中,由驾驶室结构声场耦合所产生的低沉轰鸣声,已成为车内噪声的主要噪声源之一,严重影响了驾乘人员的乘坐舒适性。因此,针对驾驶室内的低频噪声问题,研究结构声场耦合机理及其耦合特性,对提高车辆驾驶室的声学设计水平、降低低频耦合噪声具有重要的应用价值。此外,随着科技的进步和工业文明的发展,虽然大多数产品在功能上没有实质性的变化,但逐渐对车辆驾驶的声品质提出了越来越高的要求。因此,需要对典型结构形式的工程机械驾驶室的声振耦合特性展开研究,探究工程机械声品质特性及评价方法,为降低工程机械驾驶室的低频耦合噪声、提高工程机械驾驶室声品质提供理论指导。本文研究得到了江苏省前瞻性联合研究项目（BY2014127-01）和江苏省科技支撑计划项目（BE2014133）的资助。本文以工程机械中典型结构形式的驾驶室为研究对象,基于模态耦合分析法建立弹性板封闭声腔系统的声振耦合理论模型,探究结构参数变化对多阶板模态与声腔模态之间的全局耦合特性的影响规律,为降低声振耦合对封闭声腔系统声学响应的影响提供理论依据。利用有限元方法和实验方法,研究多影响因素变化对封闭声腔声耦合系统受激励下声学响应的影响规律。研究工程机械驾驶室内部噪声的声品质测试与评价方法,建立心理声学客观参量与主观评价结果之间的评价模型,为更合理地评价工程机械噪声的舒适性/烦恼程度提供依据。本文的主要研究内容及创新点如下:（1）基于模态分析法建立了弹性板矩形封闭声腔的声振耦合理论模型。首次提出了一种使用全局耦合级描述多阶板模态与声腔模态之间耦合程度的方法。分析了声腔深度、弹性板厚度、弹性板长宽比、弹性板边界条件、弹性板面积及弹性板材料等因素变化对封闭声腔系统全局耦合特性的影响规律。获得了结构参数综合变化对矩形封闭声腔耦合系统全局声振耦合特性的影响规律。研究结果表明:相对于简支边界条件,固支边板模态与声腔模态之间的传递因子受到结构参数变化的影响更为敏感和显着;在不同弹性板材料属性下,封闭声腔系统出现最大全局耦合级时的结构参数值相同;随着弹性板面积的增大,封闭声腔系统出现弱耦合的区域在逐渐减小,出现强耦合的区域逐渐增大,且封闭声腔系统的强耦合区域和弱耦合区域均向结构参数变大的方向移动。因此,降低弹性板面积可以有效提升封闭声腔结构参数的选择范围,同时可以有效降低封闭声腔系统出现低频声振耦合噪声的概率。（2）基于模态分析法建立了弹性板梯形声腔耦合系统的声振耦合理论模型。首次探讨了边界矩形声腔模态数对梯形声腔模态特性计算精度的影响规律,分析了梯形声腔模态频率受到斜面倾角变化的影响规律;研究了各结构参数变化对梯形封闭声腔系统全局声振耦合特性的影响规律;对比分析了结构参数变化对梯形声腔和矩形声腔系统声振耦合特性影响的异同。研究结果表明:在保证前N阶梯形声腔模态频率的计算误差达到1%的情况下,参与计算的边界矩形声腔模态数至少为2N,并且根据计算得到的梯形声腔模态频率与采用有限元方法计算结果之间的误差在0.4%以内,进而验证了该研究结论的准确性。梯形声腔模态（l,m,n）与之间板模态（u,v）存在耦合的条件为:当m+n≠0、l+u为奇数时,或当m+n=0,l+u和m+v均为奇数时,梯形声腔模态与板模态之间才会产生耦合;相比于矩形声腔系统,梯形声腔系统更容易产生声振耦合现象。当弹性板长宽比在1<γ<2范围时,梯形声腔系统出现强耦合的概率和密度较低,这利于梯形结构形式的工程机械驾驶室的低耦合噪声的设计。（3）以弹性板梯形声腔系统的声振耦合理论模型为基础,基于模态分析法建立了具有两个倾斜面的复杂封闭声腔系统的声振耦合理论模型。首次研究了边界矩形声腔模态数对复杂声腔模态求解精度的影响;探讨了斜面倾角等参数变化对复杂声腔模态频率的影响规律;分析了声腔深度、弹性板厚度、长宽比、斜面倾角、结构参数Wy变化对复杂声腔系统全局声振耦合特性的影响规律。研究结果表明:当复杂声腔变形比（σ=Wy/Ly）σ小于5/8时,在保证前N阶复杂声腔模态频率计算误差小于1%的条件下,至少需要2N阶边界矩形声腔模态参与计算;反之,至少需要3N甚至更多阶边界矩形声腔模态参与计算。复杂声腔声态（l,m,n）与板模态（u,v）之间存在耦合的条件与梯形声腔系统产生耦合的条件一致。当结构参数Wy恒定时,随着倾斜角的增大,复杂声腔系统全局耦合特性逐渐减小,且当倾斜角α=β时,封闭声腔系统的全局耦合程度最低;当弹性板长宽比γ在12范围内时,复杂声腔系统出现强耦合的概率和密度较低,这利于复杂结构工程机械驾驶室的低耦合噪声设计。（4）以具有两个倾斜面的复杂封闭声腔系统为研究对象,采用有限元分析法研究了不同激励条件下封闭声腔系统声学响应的变化规律。首次利用实验方法测试分析了吸声材料、驾驶室座椅、赫姆霍兹共振器等组合方式对降低矩形封闭声腔系统内中低频噪声的可行性,并通过实验验证了实验方案的在控制封闭声腔系统中低频噪声的有效性,为降低工程机械驾驶室内低频噪声提供了思路。结果表明:不同激励条件下复杂声腔系统声学响应结果,验证了复杂声腔系统产生声振耦合的条件;相比皮质表面座椅,网孔表面的驾驶室座椅具有更为优异的吸声性能,实验结果显示网孔座椅的消声量达到了6.56dB,而皮质表面座椅的消声量仅为1.89dB;当矩形声腔壁面存在通孔时,随着通孔孔径的增大,矩形声腔系统中声学响应的主要峰值频率及其幅值均会受到影响,其中矩形声腔系统的模态频率随着通孔孔径的增大而逐渐增大,各峰值频率的幅值均随着孔径的增大而逐渐减小。（5）以轮式装载机的驾驶室噪声和机外噪声为研究对象,基于心理声学理论对其进行了声品质客观参量分析。首次设计了工程机械噪声的声品质主观评价实验,分析了声品质主观评价结果与各声品质客观参量之间的相关性。基于BP神经网络建立了轮式装载机四种工况下的声品质主观评价模型,并对部分样本的声品质主观评价结果进行了预测分析。结果表明:怠速工况下,A计权声压级、语言清晰度、语言清晰度指数和响度四个参量与主观评价结果之间存在高相关性;在最大转速工况下,四个参量则为A计权声压级、语言清晰度指数、尖锐度和响度。利用装载机声品质主观评价模型对样本的预测误差均在5%以内,表明主观评价模型具有较高的预测精度。这对建立和完善工程机械的声品质评价方法、评价标准以及评价模型的研究具有重要意义。本文围绕工程机械驾驶室全局声振耦合特性分析与声品质评价研究,建立了典型结构形式工程机械驾驶室封闭声腔系统的声振耦合理论模型,分析了结构参数变化对封闭声腔系统全局耦合特性的影响规律,探讨了封闭声腔系统中低频噪声的控制方法及工程机械驾驶室噪声的声品质评价方法与评价模型,研究成果对降低工程机械驾驶室内低频噪声具有重要意义,也为工程机械驾驶室噪声的声品质评价与建模研究提供了思路和方法。
成振华[6]（2017）在《基于神经网络的直流电机在线故障诊断研究》文中研究表明在现代大型工业生产中,直流电机以其良好的调速性能和起动性能、较大的制动转矩、较高的过载能力而广泛用于轧钢机、卷扬机、起重机、机床和电力机车等设备中。为了实时在线监测这些电机设备的运行状态和故障情况,改进以往故障诊断工作存在的缺陷,本文研究了一种实用简便的直流电机在线故障诊断方法。针对在线故障诊断中全面性和准确性的要求,提出了一种全面的直流电机故障类型划分方法。为了实现在线故障诊断的实时性和简便性,提出了一种基于电流信号分析的在线故障诊断方法。以易于采集和监测的直流电机电枢电流信号为基础,利用傅里叶分析等信号处理方法提取了故障特征参量,实现了基于人工智能方法的在线故障诊断。以人工神经网络和灰色关联分析算法为基础,建立了基于电枢电流信号分析的直流电机在线故障诊断数学模型。确定了电机输入电压U、电机启动过程中电枢电流峰值im、电枢电流峰值点附近的电流最大下降速率K、电机稳态运行时电枢电流Ia、幅值最大的谐波对应频率f等5个故障诊断特征参量。对直流电机正常运行状态、四类单个故障状态、三类多重故障状态以及电压和负载扰动时的运行状态分别进行了仿真分析。通过各种故障状态的特征参量变化特征阐释了BP神经网络对于各类故障的辨识能力,证明了神经网络算法对于直流电机在线故障诊断的正确性和有效性。解决了电压扰动和负载扰动对故障诊断模型的干扰问题。以直流电机的实际数据对四种类型的故障分别举例进行了特征参量数据提取和故障机理分析。分析了仿真状态下和实际状态下直流电机故障特征参量的变化特征,证明了本文的故障诊断模型的正确性和通用性。以实际故障样本进行神经网络训练和故障诊断,对不同的故障类型,分别训练并优化了不同的神经网络。通过对比发现,优化后的神经网络故障诊断正确率都有很大幅度的提高,平均正确率达到91.4%。说明本文确定的直流电机在线故障诊断模型对于直流电机故障诊断是实际可靠的,能帮助用户实时在线监测直流电机状态变化。本文提出的直流电机在线故障诊断方法克服了已有诊断方法的诸多缺点,只需要采集电机的电流和电压信号,不需其他机械性和温度类信号,硬件和软件实现简单,对原本电机系统影响小,成本低,可靠性强。在诸如轧钢厂等大型电力拖动生产场合具有广泛的应用前景。
付强[7]（2013）在《电力机车主变压器故障诊断技术研究》文中研究指明摘要：二十一世纪我国铁路事业在“客运高速、货运重载”的主题下实现了跨越式发展。随着列车运营速度的提高、单列机车牵引吨位的增加,对机车、车辆装备的检修和维护提出了更高的要求。电力机车主变压器作为电力机车能量的来源,是电力机车的心脏,其安全可靠运行对于保障铁路运输的安全、高效具有重要作用。但与电力机车主变压器的重要作用形成鲜明对比的是,对电力机车主变压器故障诊断技术的研究明显不足。因此,开展电力机车主变压器的故障诊断技术研究对于提高机车检修保障水平,完善电力机车故障诊断技术理论,增强电力机车/电动车组运行的安全性和可靠性具有重要意义。本文以电力机车主变压器为主要研究对象,在概述了电力机车主变压器结构和应用特点的基础上,从机械振动学、电磁学、电化学、电气学出发,研究分析了电力机车主变压器油箱壁振动信号、变压油中溶解气体的特点。并深入探索了符合我国目前电力机车主变压器检修工作实际需求和发展机车“状态维修”需要的电力机车主变压器故障诊断技术。针对机车主变压器绕组、铁芯变形故障,本文提出了基于油箱振动信号的电力机车主变压器故障诊断技术,该技术不但灵敏度高,而且为发展机车主变压器在线状态监测提供了基础。本文首先从变压器的振动产生机理出发,对机车主变压器振动信号的来源进行了详细的分析,探讨了机车主变压器油箱振动信号测量位置的选择。同时,本文一方面利用质量-弹簧模型建立了机车主变压器绕组振动的等效数学模型,推导了机车主变压器稳态运行时绕组振动的加速度方程；另一方面深入探讨了引起机车主变压器铁芯振动的主要原因及影响其振动信号特征的因素。针对机车主变压器绕组变形的故障检测,本文从麦克斯韦方程组和变压器等效电路出发,推导了变压器电磁场耦合方程组,并利用ANASYS软件对HXD1C型电力机车用主变压器进行了实体有限元建模,研究了在不同预紧力下绕组振动信号的变化特点,提出了利用绕组轴向100Hz振动信号对变压器绕组预紧力进行监测的方法。针对变压器铁芯振动信号的特点,本文提出了一种基于混合粒子群优化算法的小波神经网络训练算法,并将该算法训练的小波神经网络应用于电力机车牵引变压器铁芯松动的故障诊断。MATLAB仿真测试表明应用该算法训练的小波神经网络对基于振动信号的电力机车牵引变压器铁芯松动诊断具有更快的收敛速度以及更高的诊断精度。针对DGA技术在电力机车主变压器故障诊断中遇到的问题,本文在系统分析了DGA技术的原理和已有DGA诊断算法的基础上,将多种DGA诊断方法有机的整合起来,结合机车主变压器的特点,提出了一套完整的电力机车主变压器DGA诊断流程。同时,本文提出了一种自组织RBF神经网络训练算法,并将其应用于电力机车主变压器DGA故障诊断。该算法利用平均粒距描述粒子的集中程度,结合Gaussian随机数,按一定概率加大PSO算法中的惯性因子,从而增强了传统PSO的全局搜索能力；同时将FCM算法和Gaussian-PSO算法融合应用到RBF神经网络隐层节点的选择和网络连接权值的优化,改善了以往RBF神经网络的不足,并利用鸢尾属植物数据集及葡萄酒数据集对算法进行了验证。MATLAB仿真测试表明该算法确实具有更高的诊断精度,但训练时间较长。最后,针对目前机车主变压器检修试验装备较为落后的现状,本文在详细研究了机车主变压器型式试验的基本要求和目前机车主变压器检修工作存在的主要问题的基础上,详细给出了机车主变压器综合测试及故障诊断系统的软、硬件设计方案。该系统可以满足目前国内主流电力机车用主变压器的所有型式试验要求并能利用变压器油中溶解气体数据、变压器表壁振动信号和型式试验数据对被试变压器进行综合诊断。
李高升[8]（2013）在《电子信息系统电磁兼容维护关键技术研究》文中研究表明电子设备与系统良好的电磁兼容性能通过科学合理的电磁兼容设计与制造获得,并通过及时且有效的电磁兼容维护而得以保持。近年来,随着军事用频装备和民用无线电设备与系统的快速增多,电磁环境呈现日益复杂化的态势,电磁自扰、互扰等不兼容问题逐渐增多。而电磁干扰排查的难度较大,电磁兼容现场测试与分析手段较少,对测试数据的综合应用欠缺。为此,本文研究电磁兼容维护技术和方法,探讨系统设计与实现方案,致力于为保持或恢复电子信息系统的电磁兼容状态提供技术支撑。论文研究过程中开展和完成的工作可以划分为理论、方法和技术等三方面,主要包括:一、电磁兼容维护的概念和理论围绕电磁兼容维护这一中心任务,论文首先研究了电磁兼容维护工作的基础问题,提出了电磁兼容维护、电磁兼容预知性维护、电磁兼容可靠性、电磁兼容模型综合、电磁兼容体检和电磁兼容保障等概念,分别给出或明确了各自的定义,阐述了相关内涵,初步建立了电子信息系统电磁兼容维护的理论与技术框架,解决了电磁兼容维护领域的部分理论问题。在此基础上,论文探讨了信息化装备的维护、保障和健康管理的基本思想;分析了电磁兼容故障诊断方法和引起故障的原因;给出了实现电磁兼容模型综合所需的数据预处理方法;定义了电磁兼容可靠性的表征参数,分析了装备的电磁兼容寿命;尝试给出了电磁兼容维护效果评估方法;阐明了电磁兼容加改装的工作内容,分析了电磁兼容加改装的目的和原则。二、基于测试数据的电磁兼容预测方法论文研究了如何对电磁兼容测试数据和分析评估结果进行深入分析和数据挖掘,并在此基础上预测系统的电磁兼容性能。提出了电子信息系统电磁兼容预测的统计分析方法,探讨了面向实际问题的统计算法实用化设计方法,包括分段原则和方法及曲率、切线、梯度等概念的应用;研究了人工神经网络算法及其在电磁兼容领域的应用,分析了训练算法的特点与选择方法、学习率的设定等问题,提出了基于神经网络的电磁兼容模型综合方法;研究了人工蜂群和人工鱼群等群体智能仿生算法;研究了模糊数学理论与方法,探讨了基于模糊技术的电磁兼容模型综合;面向电磁兼容维护,提出了一种基于模糊与神经网络混合的电磁兼容预测方法;分析了粒子群优化鱼群算法。本文研究的各种算法分别以雷达、通信设备的电磁敏感度、辐射与传导发射特性等分析为例进行了阐释或验证。三、电磁兼容维护系统研制的关键技术攻关电磁兼容测试与分析是电磁兼容维护领域的重要技术。本文分析了电磁兼容测试方法、测试场地和测试系统,研究了维护工作涉及的现场测试难点及其与标准测试的区别,探讨了现场测试中的信号处理方法;研究了电磁兼容分析和预测方法,深入分析了基于电磁拓扑理论的干扰信号传播分析方法。论文对电磁兼容维护系统进行了需求分析,阐述了维护系统的功能和构成,给出了设计思路,分析了测试和模拟、模型综合、数据库子系统及移动式车载平台设计中的部分重点和难点问题,特别是为了提高电磁兼容测试与分析能力所进行的优化设计与改进,分析了软件集成问题;重点研究了电磁兼容模型综合子系统的设计与实现方法和技术,阐述了统计分析和人工智能算法的应用;深入研究了电磁信号接收的宽带补偿技术,阐述了宽带开关、滤波器、低相噪本振及微波变频接收模块的设计方法,分析了车载方舱的电磁兼容措施;论文给出了部分典型平台的电磁环境及装备电磁发射特性、敏感特性测试与分析的试验情况和部分结果。论文取得的研究进展对电磁兼容性能的针对性测试、主动管理和预知性维护与保障具有直接作用,有助于将电磁兼容领域的被动和消极维护转变为主动和积极维护。本文提出的方法和模型在电磁兼容维护系统中得到了应用,并针对舰船、潜艇和飞机等重要平台的电子信息系统开展了电磁兼容试验,取得了良好的效果。
卢轶楠[9]（2012）在《多功能可程控电参量测量仪的研究》文中认为随着我国科技的不断进步，工业生产、科研、国防等用电部门对电参量检测仪表的要求越来越高，电参量检测仪表的研究也得以不断深入。对于电参量的检测，存在着功能全面、测量精度高、具有网络接口功能等适应需求的新的要求。研究多功能、智能化、网络化的电参量测量仪已成为研究学者和仪器仪表厂商深入研究的问题。其中，智能化自动校正是提高测得数据精度的重要手段，仪表网络化是实现电参量多点测量、计算机控制的关键技术，这两个方面都成为本领域研究的热点。本文在开始部分系统地分析了多功能电参量测量仪的发展现状以及本文的主要研究内容，并且分析了研究的主要难点。对于智能化自动校正，需要研究一种有效的算法来完成校正任务；对于仪表的网络化，需要设计专门的网络接口，以及设计相应的控制程序。这也是本文主要的创新点所在。本文接着详细研究了多功能交流电参量测量仪的硬件设计和软件设计。硬件方面，主要包括模拟电路和数字电路两个部分：模拟电路包括交流信号的调理、放大、有效值转换、模数转换，数字电路包括单片机控制、键盘扫描、液晶显示器显示、串口扩展等。软件部分包括检测程序、校正程序以及程序的研究中着重解决的几个关键技术问题。为了实现对测量值的自动校正，本文专门设计了一种功率的多线性映射误差校正方法。这种算法将影响测量结果的各个因素列为校正函数的自变量，根据其影响的程度逐一参与计算，实现了对测量值的校正。为了实现仪表的网络化，本文对网络接口进行了研究，采用LXI总线实现了测量仪的网络化。本文通过对几种新技术的研究应用，实现了电参量测量仪功能的扩展，为使用人员提供了一种新型的仪表。
朱雪枝[10]（2004）在《基于神经网络结构的中频电参量测试仪的设计》文中进行了进一步梳理目前,多功能电量测试仪在我国工业中具有非常广泛的应用,国内的许多研究部门和仪器生产企业曾先后开发了电参量测量的仪器。但是,由于测量方法和技术的限制,这类仪器的频率范围局限在工频,不适合中频范围电参量的准确测量。然而,电气化铁路、电弧冶炼、感应加热、航空和舰船等领域急需宽频率范围的多参数电参量测量仪器,用于对中频电参量进行准确测量及电能消耗的正确评估,从而既能保证生产的正常进行,又能够节省能源。因此,研究中频电参量的测量方法,设计和开发中频范围的电参量测量仪器,不但具有广泛的应用领域,而且还具有十分重要的理论意义。本文通过对现有电参量测量主要方法的深入分析、比较和研究,指出了各种电参量测量方法的优缺点。经过充分地理论研究、细致的电路设计和全面的实验测试,得到以下几个方面的成果:1)建立了多电参量测量的数学模型,研究提出了并行有效值神经元构成的神经网络方案,实现信号的快速准确测量以及频率范围的扩展;2)根据并行有效值的神经网络,设计实现了多参数电参量（电压、电流、功率、频率和功率因数）测量的硬件电路和软件程序,并对电路和软件程序进行了调试;3)研究了神经网络实现多参数电参量测量的误差,提出了误差二元函数插值校正的简化方法,较好地实现仪器系统误差的校正。此外,该测试仪研制成功以后,在国家计量研究院进行测试,功率的测量频率范围在1kHz内,准确度优于0.5%,电压电流的测量频率范围可达5kHz,准确度优于0.2%。
二、基于神经网络结构的中频电参量测试仪的设计（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、基于神经网络结构的中频电参量测试仪的设计（论文提纲范文）
（1）基于声发射信号处理的风力机叶片损伤演化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究的目的与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 疲劳损伤演化研究现状 |
| 1.3.2 风力机叶片监测技术的发展与应用 |
| 1.3.3 声发射信号处理的研究现状 |
| 1.4 研究内容 |
| 第2章 GFRP复合材料疲劳损伤演化的理论基础 |
| 2.1 复合材料疲劳损伤力学 |
| 2.2 声发射能量耗散模型 |
| 2.2.1 疲劳损伤能量耗散理论 |
| 2.2.2 不同损伤阶段的能量耗散规律分析 |
| 2.2.3 声发射能量耗散半经验模型 |
| 2.3 声发射信号在复合材料中的传播 |
| 2.3.1 弹性应力波理论 |
| 2.3.2 Lamb波理论 |
| 2.3.3 非线性Lamb波频散控制方程 |
| 2.3.4 不同损伤程度对Lamb波的影响 |
| 2.4 本章小结 |
| 第3章 叶片主梁工艺缺陷损伤演化的AE信号特征分析 |
| 3.1 风力机叶片主梁的制造工艺缺陷 |
| 3.2 GFRP复合材料层合板声发射实验 |
| 3.2.1 试件制备 |
| 3.2.2 声发射监测系统 |
| 3.2.3 声发射实验方法 |
| 3.3 AE信号的K-means聚类分析 |
| 3.4 分层缺陷的声发射特征分析 |
| 3.5 褶皱缺陷的声发射特征分析 |
| 3.6 不同缺陷试件的损伤机制分析 |
| 3.7 本章小结 |
| 第4章 基于盲源分离的褶皱缺陷损伤演化特征提取 |
| 4.1 AE信号的盲源分离处理方法 |
| 4.1.1 褶皱缺陷AE信号的混叠特性分析 |
| 4.1.2 卷积混合模型 |
| 4.1.3 盲源分离性能指标改进方法 |
| 4.1.4 估计性能指标构造自适应步长函数 |
| 4.1.5 信号仿真分析 |
| 4.2 基于K-means聚类的欠定盲分离算法 |
| 4.2.1 K-means欠定盲分离算法 |
| 4.2.2 改进K-means聚类算法 |
| 4.2.3 信号仿真模拟 |
| 4.3 褶皱缺陷损伤演化的AE信号特征提取 |
| 4.3.1 疲劳试验和AE信号采集 |
| 4.3.2 AE信号的盲分离处理 |
| 4.3.3 微观形貌分析 |
| 4.4 基于声能耗散模型的褶皱缺陷损伤演化分析 |
| 4.5 本章小结 |
| 第5章 分层缺陷损伤识别的时频分析方法 |
| 5.1 双线性时频分析方法 |
| 5.1.1 WVD时频分布原理及不足 |
| 5.1.2 WVD时频分布交叉项抑制 |
| 5.2 AVMD-WVD时频分析方法 |
| 5.2.1 VMD算法理论 |
| 5.2.2 VMD-WVD自适应改进方法 |
| 5.2.3 谱相关分析 |
| 5.3 疲劳实验与AE信号处理 |
| 5.3.1 实验数据采集 |
| 5.3.2 分解信号算法对比 |
| 5.3.3 AE频率特征对比与验证 |
| 5.3.4 分层缺陷损伤演化机理分析 |
| 5.4 微观形貌分析 |
| 5.5 本章小结 |
| 第6章 基于神经网络的失稳状态识别和预测 |
| 6.1 BP神经网络概述 |
| 6.1.1 BP神经元基本原理 |
| 6.1.2 BP神经网络算法 |
| 6.1.3 BP神经网络的优势与不足 |
| 6.2 神经网络参数设置 |
| 6.2.1 神经网络学习速率 |
| 6.2.2 神经网络期望误差 |
| 6.2.3 神经网络激励函数选取 |
| 6.2.4 神经网络隐含层数设定 |
| 6.3 神经网络预测模型的建立 |
| 6.3.1 失稳破坏前兆特征提取 |
| 6.3.2 失稳破坏前兆预测模型 |
| 6.4 失稳破坏前兆识别与预测 |
| 6.4.1 实验数据采集 |
| 6.4.2 实验数据处理 |
| 6.4.3 预测结果分析 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论和创新点 |
| 7.2 展望 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（2）基于组合神经网络模型的MOSEFT健康状态评估系统研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 功率器件失效机理 |
| 1.2.2 状态监测方法 |
| 1.2.3 不同状态监测方法对比 |
| 1.3 本文主要研究内容 |
| 2 状态评估的特征量甄选 |
| 2.1 引言 |
| 2.2 状态评估参量的理论分析 |
| 2.2.1 疲劳机理分析 |
| 2.2.2 导通电阻作为评估参量的理论分析 |
| 2.3 电-热耦合多物理场有限元模型的建立 |
| 2.3.1 电-热耦合原理及其求解流程 |
| 2.3.2 几何材料参数设置 |
| 2.3.3 边界条件设置和网格剖分 |
| 2.4 电-热耦合模型的有效性验证 |
| 2.4.1 电特性验证 |
| 2.4.2 热阻验证 |
| 2.5 状态评估参量的甄选 |
| 2.5.1 键合引线疲劳 |
| 2.5.2 焊料层疲劳 |
| 2.5.3 健康状态评估指标对比 |
| 2.6 基于导通电阻的状态监测方法 |
| 2.6.1 监测方法的提出 |
| 2.6.2 监测方法验证 |
| 2.7 本章小结 |
| 3 基于组合神经网络模型的健康状态评估方法 |
| 3.1 引言 |
| 3.2 样本数据的获取 |
| 3.3 BP神经网络简介 |
| 3.3.1 BP神经网络原理 |
| 3.3.2 训练方法 |
| 3.4 基于组合神经网络的评估模型 |
| 3.4.1 多BP神经网络建模 |
| 3.4.2 正态分布验证 |
| 3.4.3 基于3σ准则的评估区间计算 |
| 3.5 模型准确性验证及结果分析 |
| 3.5.1 2σ模型评估结果 |
| 3.5.2 评估区间宽度、置信度和准确率之间的关系 |
| 3.5.3 模型数量与准确率的关系 |
| 3.5.4 评估区间宽度设置方法对比 |
| 3.6 本章小结 |
| 4 基于BUCK变流器的试验验证和系统设计 |
| 4.1 前言 |
| 4.2 BUCK电路工作原理 |
| 4.2.1 连续模式 |
| 4.2.2 断续模式 |
| 4.3 BUCK变流器硬件电路设计 |
| 4.3.1 设计要求 |
| 4.3.2 主电路设计 |
| 4.3.3 控制电路设计 |
| 4.3.4 保护电路 |
| 4.4 输入特征参量采样设计 |
| 4.5 试验方案设计及平台搭建 |
| 4.6 评估模型验证 |
| 4.6.1 试验结果 |
| 4.6.2 模型评估结果 |
| 4.7 健康状态评估系统设计 |
| 4.8 本章小结 |
| 5 结论与展望 |
| 5.1 主要结论 |
| 5.2 后续工作展望 |
| 参考文献 |
| 附录 |
| A 作者在攻读硕士学位期间发表的论文情况 |
| B 作者在攻读硕士学位期间参与的科研项目 |
| C 学位论文数据集 |
| 致谢 |
（3）动力电池组健康状态监测和寿命预测的研究（论文提纲范文）
| 摘要 |
| ABSTRCT |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 动力电池SOC、SOH和 RUL的研究现状 |
| 1.2.1 有关SOC、SOH和 RUL的定义 |
| 1.2.2 动力电池SOC、SOH和 RUL的国内外研究现状 |
| 1.3 本文主要研究内容及章节安排 |
| 第2章 动力电池的基本特性 |
| 2.1 引言 |
| 2.2 动力电池结构以及工作原理 |
| 2.3 动力电池基本特性分析 |
| 2.3.1 动力电池的老化容量衰退特性 |
| 2.3.2 动力电池的内阻变化特性 |
| 2.3.3 动力电池的充放电特性 |
| 2.4 本章小结 |
| 第3章 动力电池的SOC估算 |
| 3.1 引言 |
| 3.2 动力电池SOC与各电参数的关系 |
| 3.2.1 动力电池放电时SOC与放电电压之间的关系 |
| 3.2.2 动力电池放电时SOC与放电电流之间的关系 |
| 3.2.3 动力电池放电时SOC与温度之间的关系 |
| 3.2.4 动力电池放电时SOC与内阻之间的关系 |
| 3.3 BP神经网络算法估算电池的SOC |
| 3.3.1 BP神经网络的介绍 |
| 3.3.2 BP神经网络算法建模估算电池SOC |
| 3.4 BP神经网络算法估算电池的SOC仿真 |
| 3.4.1 仿真模型搭建 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小结 |
| 第4章 动力电池的SOH估算 |
| 4.1 引言 |
| 4.2 SOH的估算 |
| 4.2.1 改进型容量法估算电池的SOH |
| 4.2.2 改进型内阻法估算电池的SOH |
| 4.2.3 电压法估算电池的SOH |
| 4.3 联合法估算电池的SOH |
| 4.3.1 BP神经网络算法联合估算电池的SOH |
| 4.3.2 GA-BP神经网络算法联合估算电池的SOH |
| 4.3.3 PSO-BP神经网络算法联合估算电池的SOH |
| 4.4 本章小结 |
| 第5章 动力电池的RUL估算 |
| 5.1 引言 |
| 5.2 RUL预测过程 |
| 5.3 曲线拟合方法估算RUL |
| 5.4 卡尔曼滤波估算RUL |
| 5.5 灰色神经网络算法估算RUL |
| 5.5.1 灰色理论 |
| 5.5.2 灰色神经网络 |
| 5.6 联合方法预测电池的RUL |
| 5.6.1 BP神经网络联合方法预测电池的RUL |
| 5.6.2 GA-BP神经网络联合方法预测电池的RUL |
| 5.6.3 PSO-BP神经网络联合方法预测电池的RUL |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文和专利 |
| 攻读硕士学位期间参与的科研项目 |
（4）基于深度学习的电主轴轴承故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景及来源 |
| 1.1.1 课题的研究背景 |
| 1.1.2 课题的来源 |
| 1.2 课题的国内外研究现状 |
| 1.2.1 故障诊断技术的研究现状 |
| 1.2.2 滚动轴承故障诊断技术的研究现状 |
| 1.2.3 深度学习在故障诊断中的研究现状 |
| 1.3 课题目的 |
| 1.4 本文主要内容安排 |
| 第二章 电主轴故障机理 |
| 2.1 电主轴结构及故障形式 |
| 2.1.1 电主轴结构 |
| 2.1.2 电主轴的故障形式 |
| 2.2 滚动轴承故障形式及频率分析 |
| 2.2.1 滚动轴承故障形式 |
| 2.2.2 滚动轴承故障频率特性 |
| 2.2.3 滚动轴承外圈故障分析 |
| 2.3 模拟实验平台 |
| 2.4 本章小结 |
| 第三章 SDAE电主轴轴承故障诊断方法研究 |
| 3.1 引言 |
| 3.2 神经网络结构 |
| 3.3 SDAE模型 |
| 3.3.1 自编码器 |
| 3.3.2 降噪自编码器 |
| 3.3.3 稀疏自编码器 |
| 3.3.4 SDAE |
| 3.4 SDAE故障诊断方法流程 |
| 3.4.1 仿真结果与分析 |
| 3.5 本章小结 |
| 第四章 改进卷积神经网络CNND电主轴轴承故障诊断方法研究 |
| 4.1 引言 |
| 4.2 卷积神经网络算法原理 |
| 4.2.1 卷积层 |
| 4.2.2 激活层 |
| 4.2.3 池化层 |
| 4.2.4 全连接层 |
| 4.3 卷积神经网络训练过程 |
| 4.3.1 前向传播 |
| 4.3.2 反向传播 |
| 4.4 Dropout方法概述 |
| 4.5 改进的卷积神经网络CNND电主轴轴承故障诊断方法 |
| 4.5.1 改进的卷积神经网络CNND故障诊断方法流程 |
| 4.5.2 仿真结果与分析 |
| 4.6 本章小结 |
| 第五章 改进SDAE-CNN电主轴轴承故障诊断方法研究 |
| 5.1 引言 |
| 5.2 SDAE隐含层数及隐含层神经元个数组合分析 |
| 5.3 CNN结构参数组合分析 |
| 5.3.1 卷积层个数组合分析 |
| 5.3.2 卷积核个数组合分析 |
| 5.3.3 卷积核尺寸参数优化 |
| 5.4 优化算法及学习率 |
| 5.5 改进SDAE-CNN电主轴轴承故障诊断方法 |
| 5.5.1 改进SDAE-CNN故障诊断方法流程 |
| 5.5.2 仿真结果与分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者简介 |
| 作者在攻读硕士学位期间发表的学术论文 |
| 致谢 |
（5）工程机械驾驶室全局声振耦合特性分析与声品质评价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 封闭声腔声振耦合特性研究的文献概述 |
| 1.2.1 模态分析法在声振耦合研究中的应用综述 |
| 1.2.2 有限元法在声振耦合研究中的应用综述 |
| 1.2.3 边界元法在声振耦合研究中的应用综述 |
| 1.2.4 统计能量法在声振耦合研究中的应用综述 |
| 1.2.5 其它方法在声振耦合研究中的应用综述 |
| 1.3 声品质理论应用研究的文献概述 |
| 1.3.1 声品质客观评价的国内外研究现状综述 |
| 1.3.2 声品质主观评价的国内外研究现状综述 |
| 1.4 研究动态总结与分析 |
| 1.5 论文的主要研究内容 |
| 第二章 矩形结构形式工程机械驾驶室的全局声振耦合特性分析 |
| 2.1 概述 |
| 2.2 矩形结构声腔系统的声振耦合基础理论 |
| 2.3 弹性板与矩形声腔系统的全局耦合特性的影响因素分析 |
| 2.3.1 不同弹性板边界条件对矩形封闭声腔系统耦合系数的影响分析 |
| 2.3.2 不同结构参数对矩形封闭声腔系统全局耦合特性的影响分析 |
| 2.3.3 不同弹性板材料对矩形封闭声腔系统全局耦合特性的影响分析 |
| 2.4 结构参数变化对矩形封闭声腔系统全局耦合特性的综合影响分析 |
| 2.4.1 不同边界条件下结构参数变化对封闭声腔系统全局耦合特性的综合影响 |
| 2.4.2 不同弹性板面积下结构参数变化对封闭声腔系统全局耦合特性的综合影响 |
| 2.5 本章小结 |
| 第三章 梯形结构形式工程机械驾驶室的全局声振耦合特性分析 |
| 3.1 概述 |
| 3.2 梯形结构声腔系统的声振耦合理论基础 |
| 3.3 刚性壁面梯形声腔模态特性的影响因素分析 |
| 3.3.1 边界矩形声腔模态数对梯形声腔模态计算结果的影响分析 |
| 3.3.2 梯形声腔斜面倾角变化对其声腔模态共振频率变化的影响分析 |
| 3.4 弹性板与梯形封闭声腔系统的全局耦合特性的影响因素分析 |
| 3.4.1 弹性板模态与梯形声腔模态之间的耦合条件分析 |
| 3.4.2 结构参数变化对梯形封闭声腔系统全局耦合特性的影响分析 |
| 3.5 本章小结 |
| 第四章 复杂结构形式工程机械驾驶室的全局声振耦合特性分析 |
| 4.1 概述 |
| 4.2 复杂结构声腔系统的声振耦合理论基础 |
| 4.3 刚性壁面复杂声腔模态特性的影响因素分析 |
| 4.3.1 边界矩形声腔模态数对复杂结构声腔模态计算结果的影响分析 |
| 4.3.2 复杂声腔斜面参数变化对其声腔模态共振频率变化的影响分析 |
| 4.4 弹性板与复杂封闭声腔系统的全局耦合特性的影响因素分析 |
| 4.4.1 弹性板模态与复杂声腔模态之间的耦合条件分析 |
| 4.4.2 结构参数变化对复杂封闭声腔系统全局耦合特性的影响分析 |
| 4.5 本章小结 |
| 第五章 封闭声腔耦合系统受激励下的声学响应及噪声控制实验研究 |
| 5.1 概述 |
| 5.2 封闭声腔系统的有限元理论与噪声控制理论基础 |
| 5.2.1 考虑吸声材料的封闭声腔系统的有限元理论基础 |
| 5.2.2 赫姆霍兹共振消声器的噪声控制理论基础 |
| 5.3 声振耦合对复杂声腔系统模态特性与声学响应的影响因素分析 |
| 5.3.1 复杂结构声腔耦合系统的有限元模型的建立 |
| 5.3.2 复杂声腔系统中声振耦合对弹性板模态固有频率的影响 |
| 5.3.3 弹性板边界条件对复杂声腔系统声学响应的影响 |
| 5.3.4 弹性板厚度变化对复杂声腔系统的声学响应的影响 |
| 5.4 封闭声腔系统的声场影响因素分析及低频噪声控制的实验验证 |
| 5.4.1 实验测试系统的搭建 |
| 5.4.2 不考虑内饰影响的封闭声腔声场受激励下的声学响应 |
| 5.4.3 考虑驾驶室座椅影响的封闭声腔声场受激励下的声学响应 |
| 5.4.4 考虑吸声材料影响的封闭声腔声场受激励下的声学响应 |
| 5.4.5 赫姆霍兹共振器在封闭声腔系统中应用的可行性分析 |
| 5.4.6 壁面通孔对弹性板矩形声腔系统声学响应的影响分析 |
| 5.5 本章小结 |
| 第六章 工程机械噪声的声品质主观评价模型与分析研究 |
| 6.1 概述 |
| 6.2 心理声学及声品质理论基础 |
| 6.2.1 掩蔽效应与特征频带 |
| 6.2.2 声品质客观评价指标 |
| 6.3 声品质主观评价模型研究流程 |
| 6.4 声品质主观评价方法研究 |
| 6.5 工程机械驾驶室声品质评价主观实验设计 |
| 6.5.1 评价样本的采集 |
| 6.5.2 评价人员的情况 |
| 6.5.3 评价词汇的选择 |
| 6.5.4 成对比较法的实验设计 |
| 6.5.5 声品质主观评价实验 |
| 6.6 工程机械驾驶室声品质主客观评价结果分析 |
| 6.6.1 声品质客观参量计算分析 |
| 6.6.2 声品质的客观评价分析 |
| 6.6.3 声品质主观评价数据分析 |
| 6.7 工程机械驾驶室声品质主观评价的建模研究 |
| 6.8 本章小结 |
| 第七章 研究工作总结与展望 |
| 7.1 研究工作总结 |
| 7.2 研究不足与展望 |
| 致谢 |
| 博士学习期间参与的课题及研究成果 |
| 附录 |
| 参考文献 |
（6）基于神经网络的直流电机在线故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外电机故障诊断研究现状 |
| 1.2.1 国外电机故障诊断研究现状 |
| 1.2.2 国内电机故障诊断研究现状 |
| 1.3 直流电机在线故障诊断技术的发展方向及前景 |
| 1.4 本文主要研究内容 |
| 第二章 神经网络及其优化理论分析 |
| 2.1 BP神经网络模型及其学习算法 |
| 2.1.1 BP神经网络原理及其学习算法 |
| 2.1.2 BP算法分析 |
| 2.2 BP神经网络隐含层神经元数的优化 |
| 2.2.1 BP神经网络隐含层的作用 |
| 2.2.2 隐含层神经元数对网络的影响及其经验选取方法 |
| 2.3 灰色关联分析理论研究 |
| 2.3.1 灰色关联分析的原理 |
| 2.3.2 灰色关联度的计算 |
| 2.4 基于灰色关联分析的BP神经网络结构优化 |
| 2.4.1 灰色关联分析优化BP神经网络结构原理分析 |
| 2.4.2 灰色关联分析理论优化BP神经网络结构模型 |
| 2.5 本章小结 |
| 第三章 直流电机故障特征分析和故障分类 |
| 3.1 前言 |
| 3.2 直流电机故障诊断特征参量分析 |
| 3.2.1 直流电机空载时电枢电流分析 |
| 3.2.2 直流电机负载时电枢电流分析 |
| 3.2.3 直流电机电枢电流谐波分析 |
| 3.3 直流电机故障分类 |
| 3.3.1 电枢故障 |
| 3.3.2 励磁故障 |
| 3.3.3 换向故障 |
| 3.3.4 机械故障 |
| 3.4 本章小结 |
| 第四章 直流电机故障仿真分析 |
| 4.1 直流电机正常状态仿真分析 |
| 4.2 直流电机单个故障状态仿真分析 |
| 4.2.1 电枢故障仿真分析 |
| 4.2.2 励磁故障仿真分析 |
| 4.2.3 换向故障仿真分析 |
| 4.2.4 机械故障仿真分析 |
| 4.2.5 直流电机四类故障状态综合分析 |
| 4.3 直流电机多重故障状态仿真分析 |
| 4.4 直流电机故障诊断模型抗扰动仿真分析 |
| 4.5 本章小结 |
| 第五章 直流电机实际故障机理分析举例 |
| 5.1 电枢故障机理分析 |
| 5.2 励磁故障机理分析 |
| 5.3 换向故障机理分析 |
| 5.4 机械故障机理分析 |
| 5.5 本章小结 |
| 第六章 直流电机故障诊断模型训练和诊断结果 |
| 6.1 直流电机故障诊断模型参数的确定 |
| 6.1.1 训练样本的选取 |
| 6.1.2 输入输出层的确定 |
| 6.1.3 样本数据的预处理 |
| 6.1.4 选择激活函数 |
| 6.2 负载扰动诊断结果 |
| 6.2.1 负载扰动下优化前网络训练和诊断结果 |
| 6.2.2 负载扰动下BP神经网络的灰色关联分析优化 |
| 6.2.3 负载扰动下优化后网络训练和诊断结果 |
| 6.3 电枢故障诊断结果 |
| 6.4 励磁故障诊断结果 |
| 6.5 换向故障诊断结果 |
| 6.6 机械故障诊断结果 |
| 6.7 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（7）电力机车主变压器故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的意义 |
| 1.2 机车主变压器概述 |
| 1.3 机车主变压器的特点 |
| 1.4 机车主变压器的故障类型 |
| 1.5 国内外相关技术的发展现状 |
| 1.5.1 变压器铁芯和绕组变形故障诊断 |
| 1.5.2 变压器绝缘材料缺陷的故障诊断 |
| 1.5.3 电力机车主变压器型式试验 |
| 1.6 本课题的主要研究思路 |
| 1.7 课题来源及本文的结构 |
| 2 机车主变压器振动信号特性研究 |
| 2.1 机车主变压器油箱振动信号的来源 |
| 2.1.1 机车主变压器油箱振动信号的来源 |
| 2.1.2 机车主变压器油箱振动信号测量位置的选择 |
| 2.2 机车主变压器绕组振动特性研究 |
| 2.2.1 机车主变压器绕组的轴向动态结构模型 |
| 2.2.2 机车主变压器绕组的电磁力的计算 |
| 2.2.3 机车主变压器绕组轴向振动加速度 |
| 2.2.4 绕组轴向振动加速度与预紧力的关系 |
| 2.3 机车主变压器铁芯振动特性研究 |
| 2.3.1 机车主变压器铁芯振动的机理 |
| 2.3.2 机车主变压器铁芯状态对振动信号的影响 |
| 2.4 本章小结 |
| 3 基于振动信号的机车主变压器故障诊断技术研究 |
| 3.1 机车主变压器的基本结构 |
| 3.1.1 电力机车用主变压器的总体结构 |
| 3.1.2 电力机车用主变压器的线圈绕组 |
| 3.1.3 电力机车用主变压器的铁芯 |
| 3.1.4 电力机车用主变压器的其他附属设施 |
| 3.2 机车主变压器绕组的有限元仿真分析 |
| 3.2.1 多物理场耦合有限元仿真概述 |
| 3.2.2 机车主变压器绕组的电磁场耦合 |
| 3.2.3 机车主变压器绕组的有限元仿真 |
| 3.3 基于振动信号的机车主变压器故障诊断算法 |
| 3.3.1 机车主变压器铁芯振动信号的特点 |
| 3.3.2 小波神经网络概述 |
| 3.3.3 混合粒子群优化算法(HPSO) |
| 3.3.4 基于HPSO-WNN的机车主变压故障诊断算法 |
| 3.4 本章小结 |
| 4 基于DGA数据的机车主变压器故障诊断技术研究 |
| 4.1 油中溶解气体(DGA)算法 |
| 4.1.1 DGA算法的基本原理 |
| 4.1.2 基于DGA的故障诊断算法 |
| 4.2 DGA技术在机车主变压器故障诊断中的应用研究 |
| 4.2.1 机车主变压器DGA故障诊断方法基本流程的研究 |
| 4.2.2 机车主变压器DGA故障诊断应用实例 |
| 4.3 自组织RBF神经网络训练算法 |
| 4.3.1 RBF神经网络概述 |
| 4.3.2 模糊C值聚类算法 |
| 4.3.3 Gaussian随机分布PSO算法 |
| 4.3.4 自组织RBF网络训练算法的流程 |
| 4.3.5 自组织RBF网络训练算法测试 |
| 4.4 自组织RBF网络训练算法的应用 |
| 4.4.1 自组织RBF神经网络在牵引变压器故障诊断中的应用 |
| 4.4.2 测试结果分析 |
| 4.5 本章小总结 |
| 5 机车主变压器综合测试及故障诊断系统研制 |
| 5.1 机车主变压器综合测试及故障诊断系统的设计依据 |
| 5.1.1 机车主变压器型式试验的主要内容 |
| 5.1.2 机车主变压器故障检修中存在的问题 |
| 5.1.3 系统主要技术特点 |
| 5.2 机车主变压器综合测试及故障诊断系统的硬件设计 |
| 5.2.1 综合测试及故障诊断系统的总体设计 |
| 5.2.2 各子系统的设计实现 |
| 5.2.3 系统抗干扰设计 |
| 5.3 机车主变压器综合测试及故障诊断系统的软件设计 |
| 5.3.1 系统的PLC程序设计 |
| 5.3.2 系统主程序设计 |
| 5.3.3 故障诊断程序设计 |
| 5.4 本章小结 |
| 6 总结 |
| 参考文献 |
| 攻读学位期间主要的研究成果目录 |
| 致谢 |
（8）电子信息系统电磁兼容维护关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和选题意义 |
| 1.1.1 研究背景和需求分析 |
| 1.1.2 选题意义和应用价值 |
| 1.2 国内外研究发展状况 |
| 1.2.1 电磁兼容管理 |
| 1.2.2 电磁兼容测试技术与系统 |
| 1.2.3 电磁兼容分析和预测 |
| 1.3 主要工作和论文结构 |
| 1.3.1 研究内容和创新点 |
| 1.3.2 论文的结构安排 |
| 第二章 电磁兼容维护的基本问题分析 |
| 2.1 装备的维护与故障预测 |
| 2.1.1 电子信息系统的维护与保障 |
| 2.1.2 故障预测和健康管理 |
| 2.2 电磁兼容可靠性与故障诊断 |
| 2.2.1 电磁兼容可靠性 |
| 2.2.2 电磁兼容故障诊断 |
| 2.3 电磁兼容模型综合 |
| 2.3.1 电磁兼容模型综合的概念与内涵 |
| 2.3.2 电磁兼容测试数据预处理 |
| 2.4 电磁兼容维护 |
| 2.4.1 电磁兼容维护及其预知性 |
| 2.4.2 电磁兼容维护效果评估 |
| 第三章 电磁兼容维护的数据获取与分析技术 |
| 3.1 电磁兼容测试与处理方法 |
| 3.1.1 电磁兼容测试技术与方法 |
| 3.1.2 电磁兼容现场测试与处理 |
| 3.2 电磁信号接收的宽带补偿技术 |
| 3.3 复杂系统电磁兼容分析方法 |
| 3.3.1 电磁兼容分析和预测方法 |
| 3.3.2 基于电磁拓扑的干扰信号传播分析方法 |
| 第四章 电磁兼容性能预知性维护算法 |
| 4.1 统计分析方法研究与设计 |
| 4.1.1 统计回归算法分析 |
| 4.1.2 统计分析方法的实用化设计 |
| 4.1.3 雷达辐射数据的统计分析 |
| 4.2 神经网络方法研究及预测应用 |
| 4.2.1 神经网络算法分析 |
| 4.2.2 基于神经网络的电磁辐射特性预测 |
| 4.3 群体智能仿生算法分析 |
| 4.3.1 人工蜂群算法及其应用 |
| 4.3.2 人工鱼群算法分析 |
| 4.4 模糊数学及电磁兼容性能预测应用 |
| 4.4.1 模糊数学的思想与方法 |
| 4.4.2 基于模糊技术的电磁兼容模型综合 |
| 4.5 预测算法混合设计与分析 |
| 4.5.1 模糊数学与神经网络的混合 |
| 4.5.2 粒子群优化鱼群算法 |
| 第五章 电磁兼容维护系统设计与试验 |
| 5.1 电磁兼容维护系统设计与实现 |
| 5.1.1 系统功能与总体设计 |
| 5.1.2 高性能接收组件研制 |
| 5.1.3 模型综合子系统开发 |
| 5.2 典型平台电磁兼容维护试验 |
| 5.2.1 装备发射特性和电磁环境测试与分析 |
| 5.2.2 装备电磁敏感特性测试与分析 |
| 第六章 结论与展望 |
| 6.1 研究工作总结 |
| 6.2 后续研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（9）多功能可程控电参量测量仪的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题的背景与意义 |
| 1.2 电参量测量仪的发展历程和现今状况 |
| 1.3 本文的主要研究内容 |
| 1.4 本文的创新点 |
| 第二章 多功能电参量测量仪的硬件设计 |
| 2.1 多功能电参量测量仪的硬件设计概述 |
| 2.2 电压、电流的调理电路 |
| 2.3 求和值电路 |
| 2.4 有效值的转换电路 |
| 2.4.1 有效值转换的原理 |
| 2.4.2 有效值转换芯片的选择 |
| 2.5 AD 转换电路 |
| 2.5.1 AD 转换的要求 |
| 2.5.2 AD 转换电路的设计 |
| 2.6 单片机中央处理设计 |
| 2.7 键盘、显示器等人机交互部分的设计 |
| 2.7.1 键盘扫描电路 |
| 2.7.2 液晶屏幕电路 |
| 2.7.3 16C550 串口扩展电路 |
| 2.8 本章小结 |
| 第三章 多功能电参量测量仪的软件设计 |
| 3.1 多功能电参量测量仪程序的总体设计 |
| 3.2 测量仪的测量环节 |
| 3.2.1 三个基本参量的测量 |
| 3.2.2 有功功率值、无功功率值、视在功率值、功率因数值的计算 |
| 3.2.3 频率的测量 |
| 3.3 软件校正中的几个重点问题 |
| 3.3.1 浮点数的存储 |
| 3.3.2 虚拟电位器的设计 |
| 3.3.3 迪文液晶显示器显示指令的设计 |
| 3.4 本章小结 |
| 第四章 多功能电参量测量仪的校正算法研究 |
| 4.1 线性插值法校正电参量测量值 |
| 4.1.1 基本的线性插值法 |
| 4.1.2 双线性插值法 |
| 4.1.3 电压、电流、频率的双线性插值法校正 |
| 4.1.4 线性插值法小结 |
| 4.2 空间坐标系内多线性映射方法校正有功功率的研究 |
| 4.2.1 有功功率校正方法的设计 |
| 4.2.2 有功功率的空间坐标系内多线性映射校正计算 |
| 4.3 指标测试和考核 |
| 4.4 本章小结 |
| 第五章 多功能电参量测量仪的网络化设计 |
| 5.1 网络化设计概述 |
| 5.1.1 仪表网络化与 LXI 总线技术 |
| 5.1.2 虚拟仪器思想与接入物联网的扩展 |
| 5.2 网络化硬件设计 |
| 5.2.1 以太网的相关芯片 |
| 5.2.2 网络接口模块的应用 |
| 5.3 网络化指令的发送与软件设计 |
| 5.3.1 网络化指令的发送 |
| 5.3.2 指令的设计与符合 SCPI 规则的指令 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者与导师简介 |
| 附录 |
（10）基于神经网络结构的中频电参量测试仪的设计（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 |
| 1.1.1 课题的来源 |
| 1.1.2 课题的研究目的和意义 |
| 1.2 功率测量的主要方法 |
| 1.2.1 热电式的功率测量方法 |
| 1.2.2 霍尔效应式的功率测量方法 |
| 1.2.3 数字采样功率测量方法 |
| 1.2.4 时分割乘法式的功率测量方法 |
| 1.3 课题的研究方案 |
| 1.4 课题的主要研究内容 |
| 第二章 基于神经网络结构的总体测量方案 |
| 2.1 电参量测量的数学模型 |
| 2.2 测试仪的神经网络结构 |
| 2.3 硬件电路方案 |
| 2.4 数值处理公式 |
| 2.5 系统误差校正方法 |
| 第三章 功率测量及硬件电路 |
| 3.1 功率测量电路原理 |
| 3.2 电压输入调理电路的设计 |
| 3.3 电流输入调理电路的设计 |
| 3.4 电压电流求和放大调理电路的设计 |
| 3.5 有效值转换电路的设计 |
| 3.5.1 精密整流电路的设计 |
| 3.5.2 对数反对数有效值转换电路的设计 |
| 3.6 A/D 转换电路的设计 |
| 3.7 功率计算公式 |
| 第四章 电压电流频率测量及单片机接口电路 |
| 4.1 电压测量原理 |
| 4.2 电流测量原理 |
| 4.3 频率测量 |
| 4.3.1 测量电路的原理 |
| 4.3.2 分频系数的计算与最佳选取 |
| 4.3.3 硬件电路的实现 |
| 4.3.4 软件的设计 |
| 4.4 单片机 89C52 的接口电路设计 |
| 4.4.1 X25045 芯片 |
| 4.4.2 74LS373 芯片 |
| 4.4.3 外部晶振电路 |
| 4.4.4 CD4094 芯片 |
| 4.5 键盘与 LED 显示电路 |
| 4.6 LCD 显示电路 |
| 第五章 仪器软件的设计 |
| 5.1 仪器功能 |
| 5.2 仪器的主程序结构 |
| 5.3 校正系数读入程序模块 |
| 5.4 初始化程序模块 |
| 5.4.1 全局变量的初始化 |
| 5.4.2 单片机的定时、中断初始化程序模块 |
| 5.4.3 LCD 的初始化程序模块 |
| 5.4.4 键盘与显示接口芯片 8279 的初始化程序模块 |
| 5.5 量程切换程序模块 |
| 5.6 LED 显示程序模块 |
| 5.7 键盘程序模块 |
| 5.7.1 按键查询读取程序模块 |
| 5.7.2 键值服务程序模块 |
| 5.8 自动量程程序模块 |
| 5.9 状态编程(PRO)程序模块 |
| 5.10 校正(CAL)程序模块 |
| 5.11 量程递增程序模块 |
| 5.12 量程递减程序模块 |
| 5.13 移位键程序模块 |
| 5.14 读写 X25045 存储器程序模块 |
| 5.15 中断程序模块 |
| 5.16 其它子程序模块 |
| 5.16.1 数据转换模块 |
| 5.16.2 量程数据显示模块 |
| 5.16.3 电压电流值显示模块 |
| 5.16.4 频率值显示模块 |
| 5.16.5 功率因数显示模块 |
| 第六章 仪器误差校正及测试结果 |
| 6.1 误差校正的几种方法 |
| 6.1.1 传统的二元函数插值法 |
| 6.1.2 变系数回归法 |
| 6.1.3 数据融合方法 |
| 6.1.4 数据验证比较 |
| 6.2 一种改进的二元函数分段插值误差校准方法 |
| 6.2.1 方法的由来 |
| 6.2.2 函数 h1(u)的实现 |
| 6.2.3 函数 h2(f)的实现 |
| 6.2.4 数据验证 |
| 6.3 测试数据和结果 |
| 结 论 |
| 参考文献 |
| 致 谢 |
| 攻读学位期间发表的学术论文目录 |
四、基于神经网络结构的中频电参量测试仪的设计（论文参考文献）
- [1]基于声发射信号处理的风力机叶片损伤演化研究[D]. 张亚楠. 沈阳工业大学, 2020
- [2]基于组合神经网络模型的MOSEFT健康状态评估系统研究[D]. 赵元沛. 重庆大学, 2019
- [3]动力电池组健康状态监测和寿命预测的研究[D]. 夏克刚. 温州大学, 2019(01)
- [4]基于深度学习的电主轴轴承故障诊断方法研究[D]. 丁健华. 沈阳建筑大学, 2019(05)
- [5]工程机械驾驶室全局声振耦合特性分析与声品质评价研究[D]. 薛飞. 东南大学, 2018
- [6]基于神经网络的直流电机在线故障诊断研究[D]. 成振华. 华南理工大学, 2017(06)
- [7]电力机车主变压器故障诊断技术研究[D]. 付强. 中南大学, 2013(02)
- [8]电子信息系统电磁兼容维护关键技术研究[D]. 李高升. 国防科学技术大学, 2013(11)
- [9]多功能可程控电参量测量仪的研究[D]. 卢轶楠. 北京化工大学, 2012(10)
- [10]基于神经网络结构的中频电参量测试仪的设计[D]. 朱雪枝. 北京化工大学, 2004(01)