一、真空断路器二次控制回路的改进（论文文献综述）
盖曜麟[1]（2021）在《基于改进SVM算法的高压断路器故障诊断》文中认为高压断路器作为电力系统中重要的保护和控制设备,其运行状态稳定与否对电力系统的正常运行至关重要。高压断路器的分合闸动作由操动机构衔接控制回路完成,由于断路器各部件布置紧密复杂,易出现各类电气、机械故障。高压断路器的开断运作伴随着各类信号的变化,即各类伴随信号可以反映断路器的运行状态,从而通过监测和处理各类伴随信号,建立故障诊断模型对断路器的主要故障进行及时的识别、排查和诊断是实现其状态检修和保障电网安全运行的关键。在此背景下,本文从分合闸线圈电流信号和动触头位移信号的采集、特征提取出发,结合改进的SVM算法对高压断路器的电气、机械故障进行故障诊断。详细研究内容如下:（1）本文以分合闸线圈电流信号和动触头位移信号为研究对象,分析了两种信号的相关理论及可以反映的故障类型。然后提取分合闸电流信号中峰谷电流值、峰值电流时刻、谷值电流时刻等7维特征及动触头位移信号中的3维特征作为故障诊断的重要判据并融合为10维多源特征量。（2）针对所提取的高维数据特征量,本文选择PCA算法（Principal Component Analysis,主成分分析）对10维多源特征进行数据降维,以累积贡献率K（m）为评判指标,取K（m）≥95%时的特征量代表原始数据,确定最终特征集。（3）针对高压断路器此类小故障样本的数据特征,本文选择SVM算法（Support Vector Machine,支持向量机）作为诊断的基础算法,为进一步提高诊断精度和效率,本文提出了基于APSO-PCA-SVM算法的高压断路器故障诊断模型,并采用Griewank评价函数测试并验证了其相较于PSO-SVM和GA-SVM算法的优越性,最终采用APSO（Adaptive Particle Swarm Optimization,自适应粒子群）算法对SVM惩罚因子及核参数寻优,建立了APSO-PCA-SVM故障诊断模型。（4）以ZW10-40.5kV VD4真空断路器作为研究对象,本文模拟了除正常状态外的四种常见电气和机械故障状态:控制回路电压低、传动机构松动、铁芯空行程偏大、电磁铁卡涩。通过选择适配传感器分别采集五种状态下的分合闸电流信号和动触头位移信号作为故障诊断的数据支撑,实例分析结果表明,该方法能够最大程度去除冗余信息,简化了诊断模型的同时提高了诊断精度和效率,诊断准确率可达96.67%,在故障样本较少时采用有限特征量即可较为全面准确的实现对高压断路器此类小样本设备的高效故障诊断。
孙超杰[2]（2020）在《电力机车真空断路器故障度在线检测系统研究》文中提出真空断路器是电力机车的核心设备之一,其安全稳定运行是电力机车安全稳定运行的保障。真空断路器在运行工作中,经常会出现一些故障,且有些故障难以捕捉。因此,对真空断路器的运行状态进行实时检测,是电力机车安全稳定运行的需要。本文针对目前电力机车真空电路器工作状态缺乏检测的问题,设计了一种电力机车真空断路器故障度在线检测系统。该系统通过采集真空断路器的实时数据,采用BP神经网络算法,判断真空断路器的实时故障状态,减轻了真空断路器维护和检修工作的劳动强度,同时提高了电力机车稳定运行的安全系数。本文的主要研究内容和取得的结果如下:（1）研究了真空断路器的结构及工作原理,分析了真空断路器的电路模型、合闸、分闸等动态过程,总结了真空断路器常见的故障及其故障产生的原因。针对真空断路器的机械特性故障,分析了故障度模型输入层所要确定的参量,设计了故障度模型输出层参量,搭建了真空断路器故障度模型。（2）构建了基于BP神经网络的电力机车真空断路器故障度模型并验证了其可靠性和准确性。对真空断路器的故障度模型与原有检修策略进行了仿真分析对比,验证了真空断路器故障度模型与原有检修策略的结合效果,为实现状态差异性检修提供了可靠的参考依据。对故障度模型进行了实际效果验证,确定了故障度模型的可行性和可靠性。对真空断路器所采集的训练组数量进行了分析,通过仿真分析,得出当数据组达到100组及以上时,故障度模型的拟合程度最高。（3）提出了电力机车真空断路器在线检测系统的设计思路。根据电力机车真空断路器在线检测系统的设计需求,提出电力机车真空断路器在线检测系统的设计思路和方案,构建了电力机车真空断路器在线检测系统的框架结构,根据在线检测系统的方案和结构,设计了在线检测系统的硬件电路和软件程序,为在线检测故障度模型提供了软硬件平台。（4）构建了真空断路器故障度在线检测试验平台并进行了现场试验。首先对真空断路器故障度在线检测系统进行了实物研制,并结合具体情况,对系统的各种界面一一进行了阐述。其次对真空断路器故障度在线检测系统进行了实地安装和试验,通过检测信号数据,分析出真空断路器的实际故障原因,并发现和解决了真空断路器故障度在线检测系统在实际应用中出现的缺陷和不足,验证了该系统的准确性和可靠性。
赵佳旭[3]（2020）在《基于控制回路检测的高压断路器机械状态监测方法研究》文中提出高压断路器是电力系统中不可缺少的设备,对保证电力系统的供电可靠性和安全运行具有十分重要的意义,其机械状态是影响可靠性的主要原因。针对传统监测方法难以在线检测、难以提取出有效特征、实验步骤较为繁琐的问题,本文提出了基于卷积神经网络（Convolutional neural network,CNN）的高压断路器机械状态在线监测方法。利用网络中的卷积层对高压断路器振动信号进行特征转换,结合池化层强化重要特征的能力,对故障敏感特征进行有效提取。为了可视化所提取特征,采用t SNE降维法对卷积网络上的节点进行了特征表达。从特征空间分布可以看出,卷积神经网络能够有效地概括出振动信号中的时序信息,有助于后续的故障模式发现。本文以加速度传感器,A/D转换电路,外围电路（包括电源电路,保护电路）及DPS处理器等为基础,构成了高压断路器机械状态监测的数据采集系统。通过加速度传感器采集高压断路器机械状态的振动信号,所采集到的信号经放大电路,再通过A/D转换电路进行转换,将模拟信号转变为数字信号,最后将所得到的高压断路器振动信号传送到计算机中,这为高压断路器机械状态的监测提供了数据基础。CNN的卷积层中含有多个滤波器,输入信号经滤波器卷积操作,并与网络前一层的权重合并输出为一种特征映射。卷积层采用稀疏连接的方式,即神经元只与上一层的部分神经元相连,因此卷积神经网络具有权值共享的特点,一方面降低了神经元的数量,另一方面降低了整个网络的时间复杂度。本文以ZW32-12FG/630-20型真空断路器为实验验对象,对其机械特性在线监测与故障诊断进行研究。在真空断路器上设置了脱扣闭合电磁堵塞、主轴堵塞、半轴堵塞故障实验,以受试者操作曲线（Receiver Operator Characteristic curve,ROC）、查准率-查全率曲线（Precision-Recall Curve,PRC）、增益-提升图（Gain LiftCurve）和洛伦兹曲线作为判据,与传统SVM在线监测进行对比分析,结果表明CNN在线监测模型能有效提取故障信号特征,因此能够更快速准确地判断高压断路器机械故障类型,具有更好的监测效果。
曹宇鹏[4]（2020）在《基于操作机构控制回路检测的高压断路器机械故障诊断方法研究》文中提出高压断路器在电力系统发生故障时通过切断故障电流来隔绝电路中的设备,避免事故的进一步扩大给工业生产和居民生活带来影响。传统的断路器故障诊断方式存在过程复杂、训练速度慢、准确率低等问题。定期维护存在耗时过长、操作频繁、拆装过多等问题,会降低断路器的可靠性。高压断路器在机械操作过程中蕴含丰富的振动信号,其中的特征参量具有稳定性和可靠性。从振动信号中可以提取出有效的特征值,从而准确地判断出断路器是否发生故障及故障的类型。许多学者利用卷积神经网络的局部感受能力、共享权值的优点来加速训练进程。本文采用卷积神经网络对断路器的振动信号进行特征提取。首先,通过预先设定步长的滑动滤波器对输入信号进行卷积运算,卷积运算可以遍历整个样本,从而获取样本中的故障信息,然后将信息传递给池化层。在池化层进行非线性激活有助于减少样本量以及避免过度拟合来达到加快训练速度的目的。这也可以看作是一个平滑的过程,从中可以消除不必要的噪声。最后,将之前获取的局部信息传递给全连接层来连接所有之前的特征映射,获取完整的特征向量。本文建立的卷积神经网络与长短时记忆神经网络的混合模型充分发挥了两种模型的优势,可以在提高训练速度的同时又能保证较高的诊断精度。浅层网络中的支持向量机训练速度慢,无法满足高压断路器实时监测的需求。针对真空断路器最常出现的脱扣闭合电磁堵塞、主轴堵塞、半轴堵塞三种机械故障分别进行多次实验,利用所提出的方法分别对相同的高压真空断路器的振动信号样本进行故障诊断,结果在受试者工作特性曲线、精确召回曲线、洛伦兹曲线、累计收益曲线、升程曲线中均显示本文建立模型具有更好的诊断效果,验证了本文方法的可行性。
张晓彤[5]（2020）在《智能变电站高压断路器及通信网络故障诊断方法》文中进行了进一步梳理经济水平的发展和人民生活水平的提升,使得用户及企业对电网稳定运行水平的要求不断提高,同时,大数据、云计算等信息技术及智能算法在各个领域的广泛应用也给电网智能化的发展、电力系统安全稳定运行水平的进一步提高带来新的机遇。目前为了推进智能电网的发展,我国已建设智能变电站试点逾千座,其最大的特点之一是通信系统网络化,使得表征站内运行状态的各类信息更加全面并高度共享,为站内重要功能结构实现快速高效故障诊断及修复提供了条件。智能变电站内重要的功能结构包括继电保护装置、二次控制系统及高压断路器等,当前智能站继电保护及通信网络的可靠性研究成果较多,但是在智能变电站新的技术特点下,对于站内高压断路器故障诊断的系统性研究较少。高压断路器故障会严重影响供电可靠性,及时准确地分析得出其故障原因是保证电网安全运行及智能电网自愈功能实现的重要前提。因此,本文以智能变电站内告警信息为分析对象,提出了一个系统完整的高压断路器故障诊断方法,同时考虑了高压断路器本体故障及相关通信网络故障导致的断路器不正确动作。具体工作及取得的成果如下:针对现有高压断路器故障诊断方法缺乏系统性的问题,本文根据智能变电站新的技术特点,结合高压断路器实际故障信息情况,提出了基于告警信息的高压断路器故障诊断整体架构,该架构包含站内异常信息分析处理过程,断路器故障情况预判方法,以及分别针对高压断路器本体及相关通信网络的故障诊断方法。其中,本文所提出的异常信息分析方法采用BMH（Boyer-Moore-Horspool）算法及语义框架模式,实现目标信息的筛选及重要信息的获取,并基于VSM对语义框架中的信息进行向量化,使其可以直接应用于后续故障诊断算法中,实现数据与算法在线自动对接。在故障诊断算法的案例分析中证明了所提架构及方法的可行性和实用性。由于现有高压断路器本体故障诊断方法主要是基于分合闸线圈电流等微观量进行分析,没有考虑其本身的物理关系,使诊断结果涵盖面和精确性受到局限。本文在分析了高压断路器动作过程的基础上,结合告警信息及故障原因之间的映射关系,建立加权模糊Petri网模型,实现高压断路器的故障诊断。所提方法通过引入虚拟库所和否命题等概念,实现了高压断路器五个动作阶段的相互关联,从而将断路器内部的物理关系融入诊断模型中。通过实际案例分析验证,该方法可以有效且全方位诊断高压断路器故障,得出涵盖各类可能故障原因的诊断结果。现有的研究主要是对高压断路器本体进行故障诊断,缺乏对本体正常时其他部分故障导致断路器不正确动作的研究,对故障原因分析的不全面性不仅会使维修工作陷入瓶颈,也使得未来智能电网自愈难以全面推进。本文针对相关通信网络故障导致高压断路器不正确动作的情况进行分析,提出了一种基于有向二分图模型的故障诊断方法,从而对具体故障原因进行反向追踪。根据GOOSE报文的传递路径将相关通信系统分簇为保护装置、测控装置、通信网络以及智能组件,并将每一簇作为一个子域,在每个子域内基于其告警信息及故障原因的逻辑关系,建立有向二分图模型。通过引入贝叶斯疑似度对故障原因进行计算分析,并结合反向推理进行验证,从概率上保证了结果的准确性。案例分析表明,该故障追踪方法可以及时对高压断路器不正确动作追本溯源,且具有较高的容错性。
王平波[6]（2019）在《变电站一体化控制保护智能开关设备研制》文中进行了进一步梳理目前广东沿海地区的变电站传统10kV开关柜内设备配置组合较多,设备集成度低,断路器本体及控制回路缺乏有效的故障检测手段,无法支持相控操作并且设备运行故障率高,主要是操作机构及控制回路故障等,这些故障给开关柜设备安全运行带来极大威胁。此外,对于需要频繁投切容性设备的回路,在投切过程中会产生涌流、过电压以及谐波,将对开关端口与电容器本体等设备造成巨大损伤,导致开关重燃、爆炸、电容器击穿、起火等。严重缩减电容器本体与电容器开关柜的使用寿命。根据智能开关技术导则规定,智能开关需要一体化设计,除了集成保护、测量、控制等,还必须具有相控投切功能。本项目拟研发一套一体化控制保护智能开关设备（以下简称“智能开关”）,能够实现精确的相控投切,根据推导仿真出的最优投切策略与稳定的永久磁性真空断路器操作机构,从根本上解决电容器组投切涌流和过电压的问题,极大提升无功投切的安全性,同时具备开关状态的在线监测和投切控制评估及分析功能,减少开关设备运维工作量。本论文提出了特殊角度的相控策略,采用电磁暂态仿真软件,建立电容器组投切系统模型,对电容器投切策略进行仿真,仿真验证相控策略的有效性。并提出永久磁性真空断路器,通过对永久磁性机构的的磁场暂态的数学与仿真软件的仿真,建立单稳态永久磁性操作机构模型,模拟仿真操作机构静态、稳态、瞬态的磁场分布。仿真结果提供了单稳态永久磁性操作机构可行性与稳定性的理论证明。通过采用大规模数字电路集成技术,开发出一体化智能开关控制设备,具备测量、保护、相控、61850通讯等功能。研发的智能开关样机在湛江市环球变电站挂网试运行,在等效条件下,通过与传统开关运行参数的对比,得出可靠结论,实际效果十分明显。该设备从根本上解决了特殊负荷支路的投切的涌流和操作过电压等问题,提高投切成功率,延长开关、电容器组、变压器等设备维护周期和使用寿命,减少电容器投切谐波,节省特殊负荷设备的投资与成本,提高中压电网运行的稳定性和安全性。
吴玲玲[7]（2019）在《高压断路器故障诊断及维修决策研究》文中研究说明近年来,随着我国电力工业不断发展完善及人民经济水平不断提高,社会用电量需求不断增加,高压断路器作为保障电力系统安全稳定运行的核心元件之一,得到了广泛重视。在线监测技术的发展,使得基于在线监测数据的高压断路器状态分析成为可能,为实现高压断路器运行维护的经济最大化,有必要对高压断路器的故障诊断及维修决策进行深入研究。本文针对基于在线监测数据的高压断路器故障诊断及维修决策展开研究,主要工作如下:介绍了高压断路器结构、工作原理及故障类型,分析了各种在线监测技术的原理与技术难点,探讨了各种故障诊断方法的原理与局限性,总结了常见的维修决策方案及其不足之处。在线监测方面,详细分析了断路器操作回路线圈电流特征变化,探究了断路器状态与线圈电流特征值的关系。考虑到在线监测的线圈电流信号中存在噪声干扰,引入了小波阈值降噪原理,消除噪声信号,同时提出了一种提取线圈电流特征值的方法。通过仿真分析验证了所提方法能有效消除噪声干扰并提取断路器线圈电流特征值。故障诊断方面,针对高压断路器这一小样本故障诊断问题,提出了一种基于改进贝叶斯算法的高压断路器故障诊断方法。该方法应用基于标准状态概率分配的方法对断路器操作回路线圈电流特征值进行离散化,并采用入侵杂草优化算法选取线圈电流特征值的标准状态,利用贝叶斯分类器进行诊断。通过仿真分析验证了所提故障诊断算法能有效识别高压断路器故障。维修决策方面,基于风险评估模型对断路器进行维修决策。应用威布尔分布计算断路器在不同运行时长情况下的故障率,同时建立断路器严重度评估模型,并综合故障率与严重度指标建立基于风险评估的断路器维修决策模型,最后通过算例分析验证了基于风险评估的断路器维修决策方法对安排检修资源的合理性。
张斌[8]（2019）在《断路器机械特性状态评价与检修策略管理改进》文中研究说明在可持续发展理念指导下,社会经济发展的步伐越来越快,用电负荷也随之增加,电力系统的重要性无需赘述,如何保证电力系统更加可靠地运行是当前电力及相关行业需要面对的重点问题之一。高压断路器在整条输变电线路中起着控制和保护的作用,是极为重要的组成部分,一旦高压断路器无法正常工作,所造成的损失是不可估量的。随着近些年新投运断路器数量的激增,目前的状态检修加定期维护的方式已经很难满足需求,运维检修人员工作量巨大,无法满足断路器每年进行小检修的要求,有时也会存在不到位的情况,但同时也存在检修过剩的问题。因此迫切需要通过技术手段调整检修策略,以提高设备的可靠性,同时减少运维检修人员的工作量,降低运维成本。本文主要研究内容如下:首先,对当前断路器维护工作中存在的问题进行分析和比较。其次,通过对断路器故障的原因分析及人工智能在我国电力行业的应用情况,确定建立断路器健康评价模型对实现差异化检修,提高检修效率有促进效果。本文借助BP神经网络建立了一套可靠的评价模型,通过案例研究、理论分析结合专家建议确定神经网络的输入输出层,并采用历史运行波形数据完成BP神经网络的训练。最后,通过2018年北京地区的24台断路器的监测数据来验证本文研究的效果,确定本文所提出的健康度模型的可行性,明确本文所建立的健康度模型可以提高现场工作效率、完善检测手段、降低资源浪费,是实现差异化检修的有效途径;同时采用数据对比的方法,给出训练组数与训练效果的对比,为其他型号断路器采用BP神经网络评价机械特性健康度做好铺垫。针对本文提出的健康度模型结合实际运行情况,提出评价模型的改进思路,进一步提高对断路器实现差异化检修的实际指导意义。
叶昱媛[9]（2019）在《高压断路器的故障机理分析与寿命评估》文中认为高压断路器作为输变电网络的关键电力设备之一,具有投切负荷、隔断故障的能力,是保障电力系统稳定运行的关键因素。因此,高压断路器的健康程度及日常的有效维护,也与整个电网运行的可靠性紧密相关。本文以高压断路器的故障机理作为切入点展开了研究,分析了其机械故障产生与发展趋势,实现了较精确的缺陷类型及缺陷程度诊断,预测了设备寿命,并基于有价值的数据构建了波形指纹库。研究内容具体如下:首先,针对高压断路器故障产生与发展机理的研究,提出了一种以故障树与故障模式、故障机理及影响分析结合法作为失效机理分析思路、以危害度定量分析法作为故障严酷度的评判标准的综合研究方法。并基于相关统计数据,分析了断路器的故障产生与发展机理,定位了断路器的薄弱环节,还提出了相关改进意见。在此基础上,基于部分薄弱环节,设计了故障模拟实验,进一步分析了基于分合闸线圈电流的断路器故障发展趋势特征,为后文研究做好了理论分析与原始数据收集的多重准备。其次,针对断路器的状态变化趋势判断及故障预诊断的研究,提出了一种以断路器弹簧操作机构常见缺陷类型与缺陷严重程度为研究对象的综合诊断方法。首先以选择监测信号、特征提取、特征数据提纯优化以及诊断预测为研究步骤,然后通过故障模拟实验所得数据,验证了该方法的可行性。再次,针对如何确定老旧的高压断路器是否仍具备使用价值的问题,运用了一种基于层次分析法与健康指数的高压断路器寿命评估方法。首先通过层次分析法确定了影响设备健康水平的各参数的权重,然后利用随机模糊理论构建了基于健康指数的高压断路器寿命预测模型,量化了断路器的健康水平,估算了设备投入使用时长。最后结合断路器的历史数据,经计算证明了该方法的有效性与可行性。最后,结合断路器在线监测与智能诊断技术,根据断路器出厂信息和前文所述相关实验,设计了一套基于分合闸线圈电流波形的家族指纹库系统,功能包括显示断路器分合闸状态、历史数据分类查询与数据的在线分析等,实现了多种数据归拢的集约化管理,利用与存储了尚有价值的历史冗余数据及实验数据,为今后电气设备的综合性大数据故障诊断与分析工程化应用提供了设计雏形。
邓文明[10]（2019）在《动车组主断路器分析优化与试验研究》文中研究说明随着社会的发展和进步,人们对于交通的要求越来越高,轨道交通行业迎来了前所未有的发展机遇,中国高铁与其他铁路干线构成的快速客运网已达4万公里以上,大大方便了人们的交通出行,对社会经济的发展做出了巨大的贡献,中国高铁的发展速度屡屡令世界惊艳。然工欲善其事,必先利其器,主断路器作为电动车组高压电气箱中的关键部件,是闭合、承载和开断正常回路电流的开关装置,也是动车组供电的总开关。因此主断路器的正常闭合动作性能的优劣,直接关系到动车组电气设备是否正常工作。大量实践和试验数据表明,影响主断路器寿命的主要因素为合闸弹跳,本文以某型号动车组主断路器为研究分析对象,研究其工作特性,探究影响弹跳的因素,并对其存在弹跳的问题进行优化,提出合理化解决方案。根据动车组主断路器的基本要求,结合国内外动车组主断路器的特点,及实际运用情况,将主断路器分为气动控制回路和机械操动机构两部分。通过分析其结构组成和功能参数,利用计算机数值仿真的方法,将两部分进行联合仿真,研究其工作特性。气动控制回路主要为机械操动机构提供闭合动力,将此部分采用AMESim软件搭建主断路器的气动控制回路仿真计算模型,对各气动元件进行分析研究。机械操动机构作为主断路器的核心部件,利用ADAMS软件建立主断路器虚拟样机模型,进行动态仿真计算研究。随后,进行了气动控制回路和机械操动机构的联合仿真分析,将AMESim中气缸输出的力导入ADAMS中,建立完整的主断路器机-电-气一体化联合仿真数学计算模型,研究包括额定开距、触头超程、超程弹簧与复位弹簧的刚度和预压缩力、空气压力对合闸时间、合闸弹跳时间和分闸时间等参数的影响,得到一系列空气压力、输出力、碰撞力、位移、速度等相关参数曲线,分析其工作性能。并针对所产生的弹跳问题进行参数优化,最后,通过主断路器的实物样机试验验证了仿真计算的可行性和正确性。通过本课题的研究,采用ADAMS动力学仿真软件和采用AMESim的流体力学动态仿真软件,运用于主断路器的设计和分析中,获得良好的使用效果和广阔的应用前景。采用ADAMS与AMESim联合仿真技术建立合理的虚拟样机模型进行仿真分析,可以方便地研究各参数对主断路器性能的影响,有效缩短主断路器的试验周期,产品的性能得到了提升,增加了市场竞争力,为新产品的开发提供了方法和经验。
二、真空断路器二次控制回路的改进（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、真空断路器二次控制回路的改进（论文提纲范文）
（1）基于改进SVM算法的高压断路器故障诊断（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 高压断路器故障诊断研究现状 |
| 1.2.1 高压断路器的状态特征信号研究 |
| 1.2.2 高压断路器故障状态识别方法研究 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本章小结 |
| 2 高压断路器的工作机理及典型故障 |
| 2.1 高压断路器的基本结构 |
| 2.2 高压断路器常见故障 |
| 2.3 高压断路器信号处理 |
| 2.3.1 分合闸线圈电流信号分析与采集 |
| 2.3.2 动触头位移信号分析与采集 |
| 2.3.3 多源特征信号融合 |
| 2.4 本章小结 |
| 3 高压断路器特征信号降维算法研究 |
| 3.1 数据降维的意义 |
| 3.2 主成分分析法 |
| 3.2.1 主成分分析法的理论基础 |
| 3.2.2 主成分分析法的基本原理 |
| 3.2.3 主成分的求解步骤 |
| 3.3 主成分分析在高压断路器故障数据特征中的应用 |
| 3.4 本章小结 |
| 4 改进支持向量机的算法研究 |
| 4.1 支持向量机算法 |
| 4.1.1 支持向量机简介 |
| 4.1.2 支持向量机的基本原理 |
| 4.2 粒子群算法 |
| 4.2.1 优化算法 |
| 4.2.2 粒子群算法基本原理 |
| 4.3 改进粒子群算法的分析与研究 |
| 4.3.1 自适应粒子群算法的基本原理 |
| 4.3.2 APSO-SVM算法模型的建立 |
| 4.4 Griewank评价函数性能测试 |
| 4.5 本章小结 |
| 5 高压断路器故障诊断仿真与分析 |
| 5.1 高压断路器故障诊断总体方案设计 |
| 5.2 基于PCA优化多源特征量的故障诊断 |
| 5.2.1 基于PCA的多源特征优化 |
| 5.2.2 基于PCA-SVM的高压断路器故障诊断 |
| 5.3 基于PSO-PCA-SVM的高压断路器故断诊断 |
| 5.4 基于APSO-PCA-SVM的高压断路器故障诊断 |
| 5.5 不同算法故障分类性能比较 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（2）电力机车真空断路器故障度在线检测系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 真空断路器在线检测研究现状 |
| 1.3 本文研究的主要内容 |
| 第2章 真空断路器的特性及故障度分析 |
| 2.1 真空断路器的结构及工作原理 |
| 2.2 真空断路器的特性分析 |
| 2.2.1 真空断路器电路模型的分析 |
| 2.2.2 真空断路器开合过程分析 |
| 2.2.3 真空断路器线圈电流的分析 |
| 2.3 真空断路器常见故障分析 |
| 2.4 真空断路器故障度模型 |
| 2.4.1 输入层参量的确定 |
| 2.4.2 输出层故障度的设计 |
| 2.5 本章小结 |
| 第3章 基于BP神经网络的真空断路器故障度模型 |
| 3.1 BP神经网络模型 |
| 3.2 故障度模型数据处理 |
| 3.2.1 样本数据的选取 |
| 3.2.2 数据的预处理 |
| 3.2.3 网络层数与神经元个数的确定 |
| 3.3 故障度模型仿真分析 |
| 3.4 故障度评价模型的验证 |
| 3.5 故障度评价模型的分析 |
| 3.5.1 效果分析 |
| 3.5.2 训练组数量对结果的影响 |
| 3.6 本章小结 |
| 第4章 真空断路器故障度在线检测系统设计 |
| 4.1 真空断路器在线检测方案设计 |
| 4.2 在线检测系统结构 |
| 4.3 在线检测系统硬件电路设计 |
| 4.3.1 直流电压采集电路 |
| 4.3.2 直流电流采集电路 |
| 4.3.3 交流电流采集电路 |
| 4.3.4 USB数据下载电路 |
| 4.3.5 嵌入式控制器最小系统电路 |
| 4.3.6 霍尔传感器以及微型精密电流互感器 |
| 4.3.7 电源电路设计 |
| 4.4 在线检测系统软件设计 |
| 4.4.1 主程序流程 |
| 4.4.2 USB数据下载部分流程 |
| 4.4.3 GPRS无线数传部分流程 |
| 4.4.4 串口屏显示部分流程 |
| 4.4.5 数据采集部分流程 |
| 4.5 本章小结 |
| 第5章 真空断路器故障度在线检测系统的研制及试验 |
| 5.1 故障度在线检测装置的研制 |
| 5.1.1 在线检测装置实物 |
| 5.1.2 检测系统软件界面 |
| 5.2 故障度在线检测装置的试验 |
| 5.2.1 HXD1B0009 机车数据分析 |
| 5.2.2 HXD1B0099 机车数据分析 |
| 5.2.3 HXD1B0221 机车数据分析 |
| 5.2.4 试验分析及总结 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的学术成果 |
（3）基于控制回路检测的高压断路器机械状态监测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 本项目的研究背景及意义 |
| 1.2 高压断路器故障监测现状 |
| 1.3 国内外现状 |
| 1.4 研究内容及论文安排 |
| 2 机械状态监测系统硬件部分 |
| 2.1 高压断路器 |
| 2.2 传感器 |
| 2.2.1 概念及简介 |
| 2.2.2 工作原理 |
| 2.2.3 电感式传感器工作原理及其介绍 |
| 2.2.4 传感器的选取 |
| 2.3 处理器(外围)电路 |
| 2.3.1 处理器的选取 |
| 2.3.2 电源电路 |
| 2.3.3 保护电路 |
| 2.4 高压断路器硬件系统总体思路设计 |
| 3 常用的特征提取方法和分类方法 |
| 3.1 振动数据采集和故障诊断过程 |
| 3.2 振动信号的特征提取 |
| 3.2.1 奇异值分解法(SVD) |
| 3.2.2 基于LSVD的特征提取 |
| 3.2.3 基于VMD的特征提取 |
| 3.3 支持向量机(SVM) |
| 3.3.1 SVM定义 |
| 3.3.2 SVM的数学表示 |
| 3.4 单类支持向量机(OCSVM) |
| 4 卷积神经网络(CNN) |
| 4.1 神经网络识别方法的理论 |
| 4.2 CNN的背景 |
| 4.3 CNN的数学描述及其梯度传递 |
| 5 基于CNN的高压断路器机械状态监测实验分析 |
| 5.1 实验数据的采集 |
| 5.1.1 断路器和传感器的选型及实验设定 |
| 5.1.2 CNN的模型结构及参数设定 |
| 5.2 CNN实验分析 |
| 5.2.1 脱扣闭合电磁铁堵塞与正常情况对比 |
| 5.2.2 主轴堵塞与正常情况对比 |
| 5.2.3 半轴堵塞与正常情况对比 |
| 5.3 TSNE降维法曲线分析 |
| 5.3.1 TSNE的基本概念 |
| 5.3.2 特征提取分析 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间参与的科研项目情况 |
（4）基于操作机构控制回路检测的高压断路器机械故障诊断方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题的研究意义 |
| 1.2 断路器故障诊断技术研究发展与现状 |
| 1.2.1 国内外研究现状 |
| 1.2.2 高压断路器机械故障诊断监测对象选取 |
| 1.2.3 断路器特征值提取 |
| 1.2.4 断路器机械状态诊断 |
| 1.3 深度神经网络 |
| 1.4 研究内容及论文安排 |
| 2 高压断路器的振动信号特征提取与分类 |
| 2.1 高压断路器的振动信号 |
| 2.2 基于振动信号的高压断路器故障诊断方式 |
| 2.3 基于变分模态分解的断路器振动信号处理 |
| 2.4 基于支持向量机模型的机械状态诊断 |
| 2.5 本章小结 |
| 3 卷积神经网络及长短期记忆网络理论基础 |
| 3.1 指示图集 |
| 3.2 CNN模型的理论基础 |
| 3.2.1 卷积层 |
| 3.2.2 激活函数 |
| 3.2.3 池化层 |
| 3.2.4 全连接层和dropout操作 |
| 3.2.5 Softmax分类器 |
| 3.3 LSTM模型的理论基础 |
| 3.4 本章小结 |
| 4 基于CNN-LSTM混合网络的高压断路器机械故障诊断模型 |
| 4.1 梯度下降及正反向传递 |
| 4.1.1 梯度下降 |
| 4.1.2 正向传递 |
| 4.1.3 反向传递 |
| 4.2 基于CNN-LSTM混合神经网络模型的故障诊断模型及步骤 |
| 4.3 本章小结 |
| 5 基于10kV真空高压断路器的实验及结果分析 |
| 5.1 高压真空断路器 |
| 5.2 系统及参数 |
| 5.3 实验与分析 |
| 5.4 本章总结 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文目录 |
| 攻读硕士学位期间参与的科研项目情况 |
（5）智能变电站高压断路器及通信网络故障诊断方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高压断路器设备的发展 |
| 1.2.2 高压断路器故障诊断方法 |
| 1.2.3 智能变电站二次系统在线监测 |
| 1.2.4 数据挖掘方法 |
| 1.3 本文的主要研究内容 |
| 第2章 故障信息分析模型及故障预判方法 |
| 2.1 高压断路器故障诊断架构 |
| 2.2 用于高压断路器故障诊断的统一数据模型 |
| 2.2.1 告警信息来源及特点 |
| 2.2.2 数据预处理 |
| 2.2.3 故障样本向量化 |
| 2.3 故障类型初步判别模型 |
| 2.4 本章小结 |
| 第3章 基于模糊Petri网的高压断路器本体故障诊断方法 |
| 3.1 SF6高压断路器的工作原理及异常信息 |
| 3.1.1 SF6高压断路器工作原理 |
| 3.1.2 高压断路器本体的故障信息 |
| 3.2 模糊Petri网模型 |
| 3.2.1 模糊Petri网模型的定义 |
| 3.2.2 模糊Petri网模型的推理机 |
| 3.3 高压断路器本体故障诊断模型 |
| 3.3.1 告警信息及故障原因的对应关系 |
| 3.3.2 故障诊断模型的建立 |
| 3.3.3 参数确定方法 |
| 3.3.4 故障诊断流程 |
| 3.4 算例分析 |
| 3.5 本章小结 |
| 第4章 基于有向二分图模型的相关通信系统故障诊断方法 |
| 4.1 相关二次设备的通信网络 |
| 4.1.1 GOOSE报文传递路径 |
| 4.1.2 相关通信部分告警信息 |
| 4.2 有向二分图模型 |
| 4.2.1 概率加权的有向二分图网络 |
| 4.2.2 基于有向二分图模型的故障诊断算法 |
| 4.3 相关通信系统故障诊断建模及实现 |
| 4.3.1 故障诊断模型 |
| 4.3.2 故障诊断方法及流程 |
| 4.4 算例分析 |
| 4.4.1 算例1 |
| 4.4.2 算例2 |
| 4.4.3 算例3 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间所发表的论文及参与的项目 |
| 学位论文评阅及答辩情况表 |
（6）变电站一体化控制保护智能开关设备研制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 实现相控技术的关键 |
| 1.3.1 开关操动时间的离散性 |
| 1.3.2 开关设备的智能化与通用性 |
| 1.4 本论文研究目标及整体方案 |
| 第二章 控制保护策略技术研究 |
| 2.1 并联电容器相控投切原理介绍 |
| 2.2 并联电容器相控投切策略 |
| 2.2.1 中性点直接接地电容器组相控闭合策略 |
| 2.2.2 中性点非直接接地接线方式电容器组相控闭合策略 |
| 2.2.3 三角形接线电容器组选相闭合策略 |
| 2.2.4 电容器组相控选相切除策略 |
| 2.3 相控投切并联电容器组的过程仿真 |
| 2.4 并联电容器相控技术研究总结 |
| 第三章 永久磁性真空断路器技术研究 |
| 3.1 真空断路器的永久磁性操动机构 |
| 3.1.1 永久磁性真空开关的应用现状 |
| 3.1.2 永久磁性操动机构不一样类型及结构的比较 |
| 3.2 GLSV-ZNH1-12 永久磁性真空断路器的机构特点 |
| 3.3 永久磁性机构的数学及仿真模型的搭建 |
| 3.3.1 永久磁性机构的计算模型 |
| 3.3.2 Ansoft仿真软件介绍 |
| 3.3.3 仿真模型的搭建 |
| 3.4 永久磁性真空断路器动作原理 |
| 3.4.1 分闸位置 |
| 3.4.2 合闸操作 |
| 3.4.3 合闸位置 |
| 3.4.4 分闸操作 |
| 3.5 永久磁性操动机构的静态特性 |
| 3.6 永久磁性操动机构的动态特性 |
| 3.7 永久磁性机构操动时间分散性的影响因素分析 |
| 3.8 永久磁性真空断路器技术研究总结 |
| 第四章 智能在线监测研究 |
| 4.1 研究意义 |
| 4.2 实现内容及方案 |
| 4.3 小结 |
| 第五章 一体化控制保护智能开关的研制 |
| 5.1 方案概述 |
| 5.2 软件设计方案 |
| 5.2.1 数据采样处理及控制软件设计 |
| 5.2.2 控制单元的测控算法实现 |
| 5.2.3 控制功能及其逻辑实现 |
| 5.3 硬件回路设计 |
| 5.3.1 主控单元硬件设计 |
| 5.3.2 驱动单元硬件设计 |
| 5.4 断路器机械特性的在线监测 |
| 5.5 智能相控断路器技术实现总结 |
| 第六章 变电站一体化控制保护智能开关的测试 |
| 6.1 试验用相控断路器系统方案介绍 |
| 6.2 型式试验 |
| 6.3 断路器动作时间精度测试 |
| 6.4 电容器组相控投切效果测试 |
| 6.4.1 断路器分、合闸时间整定及机械特性验证 |
| 6.4.2 相控角度精度验证 |
| 第七章 变电站一体化控制保护智能开关的试点应用 |
| 7.1 实施方案 |
| 7.1.1 一次部分实施方案: |
| 7.1.2 二次部分实施方案 |
| 7.2 操作方案 |
| 7.3 试验 |
| 7.3.1 试验环境搭建 |
| 7.3.2 试验方案 |
| 7.3.3 试验数据及结果分析 |
| 7.4 试点应用总结 |
| 结论 |
| 参考文献 |
| 致谢 |
（7）高压断路器故障诊断及维修决策研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要工作 |
| 第2章 高压断路器故障诊断及维修决策概述 |
| 2.1 引言 |
| 2.2 高压断路器基本介绍 |
| 2.2.1 高压断路器结构 |
| 2.2.2 高压断路器工作原理 |
| 2.2.3 高压断路器故障类型 |
| 2.3 高压断路器在线监测概述 |
| 2.4 高压断路器故障诊断概述 |
| 2.4.1 基于BP神经网络的高压断路器故障诊断 |
| 2.4.2 基于支持向量机的高压断路器故障诊断 |
| 2.4.3 基于贝叶斯算法的高压断路器故障诊断 |
| 2.5 高压断路器维修决策概述 |
| 2.6 本章小结 |
| 第3章 断路器操作回路线圈电流特征值的分析与提取 |
| 3.1 引言 |
| 3.2 断路器操作回路线圈电流特征值的分析 |
| 3.2.1 断路器操作回路线圈电流特征变化分析 |
| 3.2.2 仿真分析 |
| 3.3 线圈电流特征值的提取 |
| 3.3.1 信号降噪 |
| 3.3.2 特征值提取 |
| 3.3.3 仿真分析 |
| 3.4 本章小结 |
| 第4章 基于改进贝叶斯算法的高压断路器故障诊断 |
| 4.1 引言 |
| 4.2 基于标准状态概率分配的线圈电流特征值离散化 |
| 4.3 基于入侵杂草优化算法的标准状态选取 |
| 4.4 基于改进贝叶斯故障诊断模型的建立 |
| 4.5 仿真分析 |
| 4.5.1 基于仿真样本数据的故障诊断 |
| 4.5.2 基于实际样本数据的故障诊断 |
| 4.6 本章小结 |
| 第5章 基于风险评估的高压断路器维修决策 |
| 5.1 引言 |
| 5.2 高压断路器故障率的计算 |
| 5.3 高压断路器风险评估指标 |
| 5.3.1 严重度模型 |
| 5.3.2 风险成本 |
| 5.4 算例分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 发表论文及科研情况说明 |
| 致谢 |
（8）断路器机械特性状态评价与检修策略管理改进（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.3 我国检修策略分析 |
| 1.4 论文主要研究工作及技术路线 |
| 1.4.1 论文主要研究内容 |
| 1.4.2 技术路线及研究方法 |
| 第2章 断路器监测与检修管理现状 |
| 2.1 断路器及性能简述 |
| 2.1.1 断路器结构介绍 |
| 2.1.2 断路器动作过程概述 |
| 2.2 高压断路器机械特性监测理论 |
| 2.2.1 分合闸线圈电流监测理论 |
| 2.2.2 触头行程监测理论 |
| 2.2.3 储能电机电流监测理论 |
| 2.3 断路器机械特性故障及原因分析 |
| 2.3.1 断路器拒动故障及原因分析 |
| 2.3.2 断路器误动故障及原因分析 |
| 2.3.3 断路器其他问题 |
| 2.4 神经网络在电力行业的应用 |
| 2.4.1 人工智能的现状 |
| 2.4.2 人工智能在电网的应用 |
| 2.4.3 我国智能电网应用现状 |
| 2.4.4 神经网络理论简述 |
| 2.4.5 BP神经网络的适用性分析 |
| 2.5 本章总结 |
| 第3章 基于BP神经网络的断路器健康度建模 |
| 3.1 基于BP神经网络的断路器机械特性健康度模型 |
| 3.1.1 输入层参量的确定 |
| 3.1.2 输出层健康度的设计 |
| 3.2 BP神经网络模型 |
| 3.3 BP神经网络数据处理 |
| 3.3.1 样本数据的选取 |
| 3.3.2 数据的预处理 |
| 3.3.3 网络层数与神经元数量的确定 |
| 3.4 神经网络模型的训练 |
| 3.5 本章小结 |
| 第4章 健康评价体系的应用与效果分析 |
| 4.1 基于BP神经网络的断路器健康度模型效果验证 |
| 4.2 健康度模型应用结果说明 |
| 4.3 健康度模型应用效果分析 |
| 4.3.1 效果分析 |
| 4.3.2 训练组数量对结果的影响 |
| 4.4 本章总结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（9）高压断路器的故障机理分析与寿命评估（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高压断路器故障机理研究现状 |
| 1.2.2 高压断路器寿命评估研究现状 |
| 1.3 论文主要研究内容与安排 |
| 第2章 基于FTA-FMMEA的高压断路器故障机理研究 |
| 2.1 引言 |
| 2.2 基于分合闸线圈电流的断路器工作特性分析 |
| 2.2.1 断路器的结构与工作原理 |
| 2.2.2 断路器工作特性分析 |
| 2.3 基于FTA-FMMEA的断路器故障机理分析 |
| 2.3.1 常见的故障分析方法 |
| 2.3.2 基于FTA-FMMEA的失效分析流程 |
| 2.3.3 基于FTA-FMMEA的断路器操作机构故障机理分析 |
| 2.4 基于断路器薄弱环节的故障模拟实验设计 |
| 2.5 本章小结 |
| 第3章 基于小波包能量的断路器操作机构缺陷诊断研究 |
| 3.1 引言 |
| 3.2 小波包分析理论 |
| 3.3 基于小波包能量的特征信息提取 |
| 3.4 基于主成分分析对小波包能量特征信息的降维处理 |
| 3.5 基于支持向量机的断路器操作机构缺陷诊断的实现 |
| 3.6 算例验证 |
| 3.6.1 结合小波包能量和SVM的断路器操作机构缺陷诊断算例分析 |
| 3.6.2 基于小波包总能量的断路器操作机构缺陷严重程度分析 |
| 3.7 本章小结 |
| 第4章 基于随机模糊理论的高压断路器寿命评估方法研究 |
| 4.1 引言 |
| 4.2 随机模糊理论 |
| 4.2.1 基础概念 |
| 4.2.2 随机变量、概率分布与随机模拟 |
| 4.2.3 模糊变量、可信性分布与模糊模拟 |
| 4.2.4 随机模糊变量、机会测度与随机模糊模拟 |
| 4.3 基于随机模糊理论的高压断路器HI算法研究 |
| 4.3.1 基于层次分析法的关键参数权重评估实现方法 |
| 4.3.2 基于HI的断路器健康水平评估方法 |
| 4.3.3 基于寿命预测的高压断路器健康状态评估模型 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第5章 具备故障分析功能的高压断路器波形指纹库的构建 |
| 5.1 引言 |
| 5.2 分合闸线圈电流数据的采集 |
| 5.3 高压断路器分合闸线圈电流波形家族指纹库软件设计 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文研究工作总结 |
| 6.2 今后研究工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）动车组主断路器分析优化与试验研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 本课题的研究内容与方法 |
| 1.3.1 研究的主要内容 |
| 1.3.2 研究的主要方法 |
| 第2章 动车组主断路器简介 |
| 2.1 主断路器的基本组成与分类 |
| 2.2 动车组主断路器基本结构 |
| 2.3 动车组主断路器工作原理 |
| 2.4 主断路器主要技术参数 |
| 2.4.1 额定电压 |
| 2.4.2 电气间隙 |
| 2.4.3 触头超程 |
| 2.4.4 接触压力 |
| 2.4.5 合闸时间 |
| 2.4.6 分闸时间 |
| 2.4.7 合闸弹跳 |
| 2.4.8 分闸弹振 |
| 2.5 本章小结 |
| 第3章 动车组主断路器计算理论基础 |
| 3.1 虚拟样机技术 |
| 3.2 气压传动技术 |
| 3.3 动力学分析理论 |
| 3.3.1 ADAMS动力学分析理论 |
| 3.3.2 ADAMS求解算法 |
| 3.3.3 碰撞理论模型 |
| 3.4 本章小结 |
| 第4章 动车组主断路器仿真分析 |
| 4.1 主断路器机械操动机构三维模型 |
| 4.2 主断路器虚拟样机模型 |
| 4.2.1 模型导入ADAMS |
| 4.2.2 定义材料属性 |
| 4.2.3 创建弹簧 |
| 4.2.4 施加约束 |
| 4.2.5 施加载荷 |
| 4.3 主断路器气动控制回路模型 |
| 4.4 建立ADAMS与 AMESim联合仿真 |
| 4.5 动车组主断路器仿真分析 |
| 4.6 本章小结 |
| 第5章 动车组主断路器试验研究 |
| 5.1 试验要求 |
| 5.2 试验原理 |
| 5.3 试验设备 |
| 5.4 试验结果 |
| 5.5 本章小结 |
| 第6章 动车组主断路器优化分析 |
| 6.1 机械优化设计原理 |
| 6.2 动车组主断路器参数化设计 |
| 6.3 动车组主断路器优化分析 |
| 6.4 动车组主断路器优化对比试验 |
| 6.5 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间发表的论文 |
四、真空断路器二次控制回路的改进（论文参考文献）
- [1]基于改进SVM算法的高压断路器故障诊断[D]. 盖曜麟. 内蒙古农业大学, 2021(02)
- [2]电力机车真空断路器故障度在线检测系统研究[D]. 孙超杰. 湖北工业大学, 2020(11)
- [3]基于控制回路检测的高压断路器机械状态监测方法研究[D]. 赵佳旭. 辽宁石油化工大学, 2020(04)
- [4]基于操作机构控制回路检测的高压断路器机械故障诊断方法研究[D]. 曹宇鹏. 辽宁石油化工大学, 2020(04)
- [5]智能变电站高压断路器及通信网络故障诊断方法[D]. 张晓彤. 山东大学, 2020(11)
- [6]变电站一体化控制保护智能开关设备研制[D]. 王平波. 广东工业大学, 2019(06)
- [7]高压断路器故障诊断及维修决策研究[D]. 吴玲玲. 天津大学, 2019(01)
- [8]断路器机械特性状态评价与检修策略管理改进[D]. 张斌. 中国科学院大学(中国科学院大学工程科学学院), 2019(01)
- [9]高压断路器的故障机理分析与寿命评估[D]. 叶昱媛. 东南大学, 2019(05)
- [10]动车组主断路器分析优化与试验研究[D]. 邓文明. 西南交通大学, 2019(04)