一、基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的中頻電參量測(cè)試儀的設(shè)計(jì)（論文文獻(xiàn)綜述）
張亞楠[1]（2020）在《基于聲發(fā)射信號(hào)處理的風(fēng)力機(jī)葉片損傷演化研究》文中研究指明葉片是風(fēng)力機(jī)獲取風(fēng)能的關(guān)鍵部件,在葉片的生產(chǎn)過程中,往往因?yàn)槠渲谱鞴に嚨奶厥?自動(dòng)化程度不高,使生產(chǎn)出來的葉片存在內(nèi)部缺陷,如褶皺、分層、缺膠等。由于這些隨機(jī)分布的工藝缺陷存在,導(dǎo)致復(fù)合材料的疲勞破壞通常從缺陷處開始,并在隨機(jī)交變應(yīng)力作用下逐步擴(kuò)展貫通成為宏觀裂紋,繼而逐步擴(kuò)展到界面上引發(fā)疲勞損傷,對(duì)葉片結(jié)構(gòu)造成破壞?？紤]風(fēng)電場(chǎng)大多位于偏遠(yuǎn)地區(qū),存在維護(hù)、監(jiān)測(cè)困難的問題,如果早期損傷未被及時(shí)發(fā)現(xiàn),有可能在惡劣工況下發(fā)展為惡性事故而造成巨大的經(jīng)濟(jì)損失。因此,研究風(fēng)力機(jī)葉片的損傷演化識(shí)別,對(duì)于保障葉片長(zhǎng)時(shí)間安全運(yùn)行具有重要意義。本文研究采用聲發(fā)射技術(shù)對(duì)葉片復(fù)合材料損傷演化狀態(tài)進(jìn)行識(shí)別和預(yù)測(cè),為風(fēng)力機(jī)葉片健康狀態(tài)監(jiān)測(cè)提供新思路,論文的主要研究?jī)?nèi)容如下:（1）以損傷力學(xué)理論為基礎(chǔ),通過分析不同階段損傷演化的能量耗散,建立了風(fēng)力機(jī)葉片復(fù)合材料的損傷演化模型,從而明晰聲發(fā)射能量耗散和復(fù)合材料損傷演化規(guī)律的關(guān)系。通過復(fù)合材料層合板Lamb理論討論了不同類型的Lamb頻散控制方程以及頻散特性。利用聲發(fā)射斷鉛實(shí)驗(yàn)分析了不同Lamb波傳播方式,并討論了不同損傷程度對(duì)Lamb波的影響,為損傷演化過程中聲發(fā)射信號(hào)波形分析提供理論依據(jù)。（2）依據(jù)風(fēng)電發(fā)電機(jī)組風(fēng)輪葉片質(zhì)量標(biāo)準(zhǔn)中對(duì)葉片質(zhì)量影響最大的褶皺和分層工藝缺陷,針對(duì)性的建立了GFRP復(fù)合材料聲發(fā)射實(shí)驗(yàn)平臺(tái),并詳細(xì)闡述了實(shí)驗(yàn)步驟和人工缺陷制作方法。實(shí)驗(yàn)分析了分層缺陷位置、大小和不同高寬比褶皺缺陷對(duì)復(fù)合材料力學(xué)性能的影響。使用聚類分析算法識(shí)別了復(fù)合材料損傷模式,并利用電鏡掃描驗(yàn)證的損傷模式識(shí)別的正確性。通過對(duì)不同缺陷復(fù)合材料的聲發(fā)射特征分析,明晰了缺陷類型和幾何參數(shù)對(duì)葉片損傷規(guī)律的影響,為缺陷復(fù)合材料損傷模式識(shí)別和狀態(tài)監(jiān)測(cè)提供依據(jù)。（3）褶皺缺陷在損傷演化過程中,由于損傷模式的多樣性使得觀測(cè)AE信號(hào)源的數(shù)目小于聲發(fā)射源信號(hào)數(shù)目,本文提出一種改進(jìn)的K-means欠定盲源分離方法,有效提取了褶皺缺陷損傷演化過程中基體開裂,纖維剝離,界面分層和纖維斷裂的頻率特征,最后計(jì)算并分析疲勞損傷演化中各類損傷特征的聲能耗散趨勢(shì)。研究結(jié)果表明,褶皺缺陷在穩(wěn)定損傷階段,纖維及纖維束縱向所產(chǎn)生的纖維剝離是能量耗散的主要來源,失穩(wěn)破壞階段出現(xiàn)的裂紋和脫粘以及纖維斷裂為主要的聲發(fā)射激勵(lì)源,并呈現(xiàn)高幅值能量釋放的態(tài)勢(shì),從而明晰了褶皺缺陷的損傷演化機(jī)理。（4）針對(duì)葉片層合板分層缺陷損傷演化中多組分材料所導(dǎo)致交叉項(xiàng)干擾問題,提出了一種基于自適應(yīng)VMD-WVD時(shí)頻分析方法,通過利用交替方向乘子法迭代搜索求取增廣Lagrange函數(shù)的鞍點(diǎn),獲取聲發(fā)射模態(tài)分量和中心頻率。實(shí)驗(yàn)結(jié)果表明,通過二維時(shí)頻分布相關(guān)系數(shù)和時(shí)頻分辨率對(duì)算法性能進(jìn)行評(píng)價(jià),該方法使得交叉項(xiàng)干擾有效降低,還能保證較高的時(shí)頻聚集性和時(shí)頻分辨率,能夠細(xì)致地刻畫聲發(fā)射信號(hào)在時(shí)頻平面上所發(fā)生的變化過程,表征分層缺陷損傷的復(fù)雜動(dòng)態(tài)過程。（5）考慮葉片復(fù)合材料在應(yīng)力達(dá)到最大之前便已經(jīng)發(fā)展為宏觀失效,造成失穩(wěn)破壞的識(shí)別和預(yù)測(cè)難度較大。針對(duì)該問題,提出一種基于聲發(fā)射信號(hào)聚類分析和神經(jīng)網(wǎng)絡(luò)的復(fù)合材料失穩(wěn)破壞前兆特征識(shí)別和預(yù)測(cè)方法,通過對(duì)比每種聲發(fā)射信號(hào)類型的時(shí)序演化特征,篩選出合適的前兆特征信號(hào)建立神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。結(jié)果表明,該方法相比于聲發(fā)射積累能量和積累計(jì)數(shù)等參數(shù)可有效的對(duì)其失穩(wěn)破壞狀態(tài)進(jìn)行識(shí)別和預(yù)測(cè)。
趙元沛[2]（2019）在《基于組合神經(jīng)網(wǎng)絡(luò)模型的MOSEFT健康狀態(tài)評(píng)估系統(tǒng)研究》文中認(rèn)為功率器件作為功率變流器的核心部件,在電力系統(tǒng)、新能源發(fā)電系統(tǒng)、航空航天等領(lǐng)域得到了廣泛的應(yīng)用。但在服役過程中功率器件長(zhǎng)期承受交變的電、熱應(yīng)力沖擊,使得功率器件從性能退化到老化失效,導(dǎo)致系統(tǒng)運(yùn)行風(fēng)險(xiǎn)逐步增加。由于對(duì)功率器件在運(yùn)行過程中的失效機(jī)理和健康狀態(tài)缺乏認(rèn)知和監(jiān)測(cè),使得現(xiàn)有的電力電子裝備設(shè)計(jì)往往靠高成本過度裕量的方式來換取裝備的安全可靠運(yùn)行。因此,本文通過研究功率器件疲勞失效的內(nèi)部演化機(jī)理,得到失效過程中電、熱參數(shù)演變規(guī)律,對(duì)比并甄選出能表征其健康狀態(tài)的特征參量,進(jìn)而建立功率器件的健康狀態(tài)監(jiān)測(cè)方法和評(píng)估模型,并在實(shí)際應(yīng)用中對(duì)模型準(zhǔn)確性進(jìn)行驗(yàn)證。本研究成果能夠?qū)β势骷】禒顟B(tài)進(jìn)行準(zhǔn)確評(píng)估,從而提高裝備的運(yùn)行可靠性及降低設(shè)計(jì)、維護(hù)成本。本文主要內(nèi)容如下:（1）基于有限元方法對(duì)研究對(duì)象建立1:1的三維有限元模型,研究功率MOSFET在電場(chǎng)和溫度場(chǎng)耦合下的封裝失效機(jī)制。分別對(duì)鍵合引線脫落和焊料層疲勞進(jìn)行仿真,結(jié)果表明監(jiān)測(cè)焊料層疲勞失效階段更利于對(duì)功率器件進(jìn)行狀態(tài)監(jiān)測(cè);根據(jù)導(dǎo)通電阻能以更高的靈敏度反映器件疲勞狀態(tài)的事實(shí),構(gòu)建損傷程度D作為疲勞評(píng)估指標(biāo);通過仿真進(jìn)一步驗(yàn)證了損傷程度D作為評(píng)估指標(biāo)的準(zhǔn)確性和可行性。（2）建立以漏極電流、殼溫和導(dǎo)通電阻作為輸入?yún)⒘康慕M合神經(jīng)網(wǎng)絡(luò)模型作為健康狀態(tài)評(píng)估模型。根據(jù)有限元模型獲取訓(xùn)練數(shù)據(jù),訓(xùn)練多個(gè)BP神經(jīng)網(wǎng)絡(luò);分析多個(gè)BP神經(jīng)網(wǎng)絡(luò)模型的輸出統(tǒng)計(jì)規(guī)律,結(jié)果表明在全工作域內(nèi)及不同健康等級(jí)下模型輸出結(jié)果均服從正態(tài)分布;利用3σ準(zhǔn)則思想計(jì)算評(píng)估結(jié)果及模型準(zhǔn)確率,結(jié)果表明:當(dāng)區(qū)間寬度設(shè)置為2.4s時(shí),模型準(zhǔn)確率為94.47%,組合神經(jīng)網(wǎng)絡(luò)模型能夠以較高的準(zhǔn)確率對(duì)功率MOSFET進(jìn)行健康狀態(tài)評(píng)估。（3）為驗(yàn)證健康狀態(tài)評(píng)估模型在實(shí)際應(yīng)用中的準(zhǔn)確性,設(shè)計(jì)了面向?qū)嶋H應(yīng)用的樣機(jī)用于實(shí)驗(yàn)驗(yàn)證。選擇基于航天需求的BUCK變流器作為實(shí)際應(yīng)用場(chǎng)景,設(shè)計(jì)模型輸入?yún)⒘康牟蓸臃桨?在不同電流等級(jí)和疲勞程度下進(jìn)行驗(yàn)證試驗(yàn),將試驗(yàn)采樣數(shù)據(jù)輸入健康狀態(tài)評(píng)估模型,模型輸出結(jié)果和預(yù)期相符,驗(yàn)證了該評(píng)估模型的準(zhǔn)確性;最后基于健康狀態(tài)評(píng)估模型和特征量采樣接口,建立了功率MOSEFT的健康狀態(tài)評(píng)估系統(tǒng),利用該評(píng)估系統(tǒng)可以對(duì)器件的正確合理使用、狀態(tài)檢修等工程應(yīng)用提供指導(dǎo)。
夏克剛[3]（2019）在《動(dòng)力電池組健康狀態(tài)監(jiān)測(cè)和壽命預(yù)測(cè)的研究》文中進(jìn)行了進(jìn)一步梳理隨著能源危機(jī)和環(huán)境污染日益嚴(yán)重的問題,電動(dòng)汽車的蓬勃發(fā)展已成為必然趨勢(shì)。作為電動(dòng)汽車能量的來源,動(dòng)力電池已成為研究的重點(diǎn)。近年來,智能算法對(duì)電池的狀態(tài)預(yù)測(cè)研究受到國內(nèi)外學(xué)者廣泛的重視。本文基于神經(jīng)網(wǎng)絡(luò)算法和聯(lián)合法等方法,提出了預(yù)測(cè)電池荷電狀態(tài)（State of Charge,SOC）、健康狀態(tài)（State of Health,SOH）和剩余使用壽命（Remaining Useful Life,RUL）的方法,采用實(shí)驗(yàn)結(jié)合仿真的方式,深入研究對(duì)電池健康狀態(tài)和剩余使用壽命預(yù)測(cè)精度不高和單一參量預(yù)測(cè)局限性的難題。本文的主要研究工作和創(chuàng)新點(diǎn)如下:（1）通過測(cè)量實(shí)驗(yàn)發(fā)現(xiàn),鋰電池內(nèi)阻對(duì)其SOC的預(yù)測(cè)有重要影響,而現(xiàn)有文獻(xiàn)中很少研究電池內(nèi)阻對(duì)SOC預(yù)測(cè)的影響。本文采用BP神經(jīng)網(wǎng)絡(luò)方法,將采集電池的電壓、電流、內(nèi)阻和溫度作為網(wǎng)絡(luò)的輸入,電池SOC作為神經(jīng)網(wǎng)絡(luò)的輸出,建立SOC預(yù)測(cè)模型進(jìn)行仿真實(shí)驗(yàn)。相比現(xiàn)有研究工作,本文加入內(nèi)阻作為輸入的預(yù)測(cè)模型,比未加內(nèi)阻的模型預(yù)測(cè)精度更高,誤差波動(dòng)小。（2）在研究工作（1）的基礎(chǔ)上,分別提出改進(jìn)型容量法、改進(jìn)型內(nèi)阻法和電壓法估算電池的SOH。與現(xiàn)有預(yù)測(cè)方法對(duì)比,三種方法的預(yù)測(cè)時(shí)間大大縮減,通過仿真實(shí)驗(yàn),從而驗(yàn)證了三種單獨(dú)方法的預(yù)測(cè)精度高。在此基礎(chǔ)上又提出基于BP神經(jīng)網(wǎng)絡(luò)聯(lián)合方法估算電池的SOH,并且通過仿真實(shí)驗(yàn),驗(yàn)證了遺傳神經(jīng)網(wǎng)絡(luò)聯(lián)合方法相比BP神經(jīng)網(wǎng)絡(luò)聯(lián)合方法和粒子群神經(jīng)網(wǎng)絡(luò)聯(lián)合方法預(yù)測(cè)SOH的優(yōu)勢(shì)。（3）在研究工作（1）和（2）的基礎(chǔ)上,分別提出基于曲線擬合、卡爾曼濾波和灰色神經(jīng)網(wǎng)絡(luò)算法預(yù)測(cè)電池的剩余使用壽命。并在此基礎(chǔ)上,提出基于神經(jīng)網(wǎng)絡(luò)聯(lián)合方法預(yù)測(cè)電池的剩余使用壽命。通過仿真實(shí)驗(yàn),驗(yàn)證了基于神經(jīng)網(wǎng)絡(luò)聯(lián)合方法預(yù)測(cè)精度高于其他三種方法。同時(shí)通過仿真對(duì)比,驗(yàn)證了粒子群神經(jīng)網(wǎng)絡(luò)聯(lián)合方法相比BP神經(jīng)網(wǎng)絡(luò)聯(lián)合方法和遺傳神經(jīng)網(wǎng)絡(luò)聯(lián)合方法預(yù)測(cè)RUL的優(yōu)勢(shì)。
丁健華[4]（2019）在《基于深度學(xué)習(xí)的電主軸軸承故障診斷方法研究》文中進(jìn)行了進(jìn)一步梳理軸承作為電主軸的核心結(jié)構(gòu),一旦出現(xiàn)故障,必將導(dǎo)致電主軸乃至整條生產(chǎn)線癱瘓。為了確保電主軸能夠安全可靠的運(yùn)行,對(duì)電主軸軸承的故障進(jìn)行診斷是必不可少的。隨著深度學(xué)習(xí)方法的發(fā)展,從數(shù)據(jù)本身自主學(xué)習(xí)特征的思想為故障診斷提供了新思路。而稀疏降噪自編碼器（Sparse denoising auto encoders,SDAE）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural network,CNN）作為深度學(xué)習(xí)中泛化能力最強(qiáng)的一種方法,也為電主軸軸承故障診斷領(lǐng)域開辟了廣闊的發(fā)展前景。本文以電主軸軸承故障為研究對(duì)象,將軸承故障數(shù)據(jù)作為SDAE以及改進(jìn)后的CNN方法的輸入樣本,并將改進(jìn)后的方法診斷電主軸軸承的故障類型,本文的主要工作如下:（1）結(jié)合電主軸軸承的理論知識(shí),利用模擬實(shí)驗(yàn)平臺(tái)對(duì)電主軸軸承的內(nèi)、外圈故障、滾動(dòng)體、轉(zhuǎn)子軸承不對(duì)中、轉(zhuǎn)子軸承不平衡等故障進(jìn)行數(shù)據(jù)采集。（2）對(duì)SDAE結(jié)構(gòu)和訓(xùn)練方式展開研究。同時(shí)利用電主軸軸承內(nèi)、外圈以及滾動(dòng)體中度故障的仿真信號(hào)驗(yàn)證了 SDAE優(yōu)異的分類性能,對(duì)比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)和SDAE的分類準(zhǔn)確率,總結(jié)了 SDAE的結(jié)構(gòu)優(yōu)點(diǎn)。（3）為了提高電主軸軸承故障診斷準(zhǔn)確率,減少過擬合現(xiàn)象,設(shè)計(jì)了一種基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)CNND電主軸軸承故障診斷方法。在CNN中加入多種防止過擬合的方法,經(jīng)過對(duì)比可以得出dropout方法效果最好。仿真結(jié)果表明將dropout優(yōu)化方法與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合所建立的電主軸軸承故障診斷模型是可行的,能夠避免出現(xiàn)過擬合現(xiàn)象的同時(shí)提高診斷準(zhǔn)確率。（4）為了增強(qiáng)模型對(duì)故障數(shù)據(jù)特征的提取能力,設(shè)計(jì)了一種改進(jìn)的SDAE-CNN電主軸軸承故障診斷方法。首先,對(duì)SDAE隱含層數(shù)以及隱含層神經(jīng)元個(gè)數(shù)組合進(jìn)行優(yōu)化;其次,對(duì)CNN結(jié)構(gòu)中卷積層個(gè)數(shù)、卷積核個(gè)數(shù)、卷積核尺寸等參數(shù)值進(jìn)行最優(yōu)選擇;然后,用SDAE特征表達(dá)訓(xùn)練CNN;最后,選擇適應(yīng)性據(jù)估計(jì)（Adaptive moment estimation,Adam）優(yōu)化算法減少交叉熵函數(shù)值;并以電主軸軸承外圈裂化程度不同的故障為研究對(duì)象,仿真結(jié)果表明,該方法的特征提取能力以及最終的故障診斷準(zhǔn)確率都要高于其它方法。本文設(shè)計(jì)的改進(jìn)SDAE-CNN的電主軸軸承故障診斷方法可有效識(shí)別電主軸軸承的故障類型,提高故障診斷精度。
薛飛[5]（2018）在《工程機(jī)械駕駛室全局聲振耦合特性分析與聲品質(zhì)評(píng)價(jià)研究》文中研究指明工程機(jī)械行業(yè)是我國改革開放以來發(fā)展最快、對(duì)國家基礎(chǔ)設(shè)施建設(shè)影響最大的行業(yè)之一,其產(chǎn)品已成為出口創(chuàng)匯的主力產(chǎn)品之一,我國也已成為名副其實(shí)的工程機(jī)械制造大國,但我國工程機(jī)械產(chǎn)品的總體水平與發(fā)達(dá)國家相比仍然要落后,尤其涉及工程機(jī)械振動(dòng)、噪聲、排放等方面的水平與世界工程機(jī)械制造強(qiáng)國還存在較大差距,產(chǎn)品難以批量進(jìn)入發(fā)達(dá)地區(qū)的市場(chǎng)。隨著現(xiàn)代化建設(shè)發(fā)展,工程機(jī)械愈來愈向著復(fù)雜化、大型化和輕量化方向發(fā)展,其振動(dòng)和噪聲問題顯得更加突出。因此,工程機(jī)械NVH性能的控制成了產(chǎn)品升級(jí)換代、提高產(chǎn)品國際市場(chǎng)競(jìng)爭(zhēng)力的重要途徑之一。工程機(jī)械駕駛室噪聲水平作為衡量工程機(jī)械NVH性能的重要指標(biāo)之一,它是工程機(jī)械NVH性能控制的關(guān)鍵和難點(diǎn)。眾所周知,工程機(jī)械駕駛室通常含有大量薄板類結(jié)構(gòu),而薄板振動(dòng)而引起的聲輻射和聲振耦合問題則是聲學(xué)工程領(lǐng)域的研究熱點(diǎn)。近年來,在車輛輕量化發(fā)展過程中,由駕駛室結(jié)構(gòu)聲場(chǎng)耦合所產(chǎn)生的低沉轟鳴聲,已成為車內(nèi)噪聲的主要噪聲源之一,嚴(yán)重影響了駕乘人員的乘坐舒適性。因此,針對(duì)駕駛室內(nèi)的低頻噪聲問題,研究結(jié)構(gòu)聲場(chǎng)耦合機(jī)理及其耦合特性,對(duì)提高車輛駕駛室的聲學(xué)設(shè)計(jì)水平、降低低頻耦合噪聲具有重要的應(yīng)用價(jià)值。此外,隨著科技的進(jìn)步和工業(yè)文明的發(fā)展,雖然大多數(shù)產(chǎn)品在功能上沒有實(shí)質(zhì)性的變化,但逐漸對(duì)車輛駕駛的聲品質(zhì)提出了越來越高的要求。因此,需要對(duì)典型結(jié)構(gòu)形式的工程機(jī)械駕駛室的聲振耦合特性展開研究,探究工程機(jī)械聲品質(zhì)特性及評(píng)價(jià)方法,為降低工程機(jī)械駕駛室的低頻耦合噪聲、提高工程機(jī)械駕駛室聲品質(zhì)提供理論指導(dǎo)。本文研究得到了江蘇省前瞻性聯(lián)合研究項(xiàng)目（BY2014127-01）和江蘇省科技支撐計(jì)劃項(xiàng)目（BE2014133）的資助。本文以工程機(jī)械中典型結(jié)構(gòu)形式的駕駛室為研究對(duì)象,基于模態(tài)耦合分析法建立彈性板封閉聲腔系統(tǒng)的聲振耦合理論模型,探究結(jié)構(gòu)參數(shù)變化對(duì)多階板模態(tài)與聲腔模態(tài)之間的全局耦合特性的影響規(guī)律,為降低聲振耦合對(duì)封閉聲腔系統(tǒng)聲學(xué)響應(yīng)的影響提供理論依據(jù)。利用有限元方法和實(shí)驗(yàn)方法,研究多影響因素變化對(duì)封閉聲腔聲耦合系統(tǒng)受激勵(lì)下聲學(xué)響應(yīng)的影響規(guī)律。研究工程機(jī)械駕駛室內(nèi)部噪聲的聲品質(zhì)測(cè)試與評(píng)價(jià)方法,建立心理聲學(xué)客觀參量與主觀評(píng)價(jià)結(jié)果之間的評(píng)價(jià)模型,為更合理地評(píng)價(jià)工程機(jī)械噪聲的舒適性/煩惱程度提供依據(jù)。本文的主要研究?jī)?nèi)容及創(chuàng)新點(diǎn)如下:（1）基于模態(tài)分析法建立了彈性板矩形封閉聲腔的聲振耦合理論模型。首次提出了一種使用全局耦合級(jí)描述多階板模態(tài)與聲腔模態(tài)之間耦合程度的方法。分析了聲腔深度、彈性板厚度、彈性板長(zhǎng)寬比、彈性板邊界條件、彈性板面積及彈性板材料等因素變化對(duì)封閉聲腔系統(tǒng)全局耦合特性的影響規(guī)律。獲得了結(jié)構(gòu)參數(shù)綜合變化對(duì)矩形封閉聲腔耦合系統(tǒng)全局聲振耦合特性的影響規(guī)律。研究結(jié)果表明:相對(duì)于簡(jiǎn)支邊界條件,固支邊板模態(tài)與聲腔模態(tài)之間的傳遞因子受到結(jié)構(gòu)參數(shù)變化的影響更為敏感和顯著;在不同彈性板材料屬性下,封閉聲腔系統(tǒng)出現(xiàn)最大全局耦合級(jí)時(shí)的結(jié)構(gòu)參數(shù)值相同;隨著彈性板面積的增大,封閉聲腔系統(tǒng)出現(xiàn)弱耦合的區(qū)域在逐漸減小,出現(xiàn)強(qiáng)耦合的區(qū)域逐漸增大,且封閉聲腔系統(tǒng)的強(qiáng)耦合區(qū)域和弱耦合區(qū)域均向結(jié)構(gòu)參數(shù)變大的方向移動(dòng)。因此,降低彈性板面積可以有效提升封閉聲腔結(jié)構(gòu)參數(shù)的選擇范圍,同時(shí)可以有效降低封閉聲腔系統(tǒng)出現(xiàn)低頻聲振耦合噪聲的概率。（2）基于模態(tài)分析法建立了彈性板梯形聲腔耦合系統(tǒng)的聲振耦合理論模型。首次探討了邊界矩形聲腔模態(tài)數(shù)對(duì)梯形聲腔模態(tài)特性計(jì)算精度的影響規(guī)律,分析了梯形聲腔模態(tài)頻率受到斜面傾角變化的影響規(guī)律;研究了各結(jié)構(gòu)參數(shù)變化對(duì)梯形封閉聲腔系統(tǒng)全局聲振耦合特性的影響規(guī)律;對(duì)比分析了結(jié)構(gòu)參數(shù)變化對(duì)梯形聲腔和矩形聲腔系統(tǒng)聲振耦合特性影響的異同。研究結(jié)果表明:在保證前N階梯形聲腔模態(tài)頻率的計(jì)算誤差達(dá)到1%的情況下,參與計(jì)算的邊界矩形聲腔模態(tài)數(shù)至少為2N,并且根據(jù)計(jì)算得到的梯形聲腔模態(tài)頻率與采用有限元方法計(jì)算結(jié)果之間的誤差在0.4%以內(nèi),進(jìn)而驗(yàn)證了該研究結(jié)論的準(zhǔn)確性。梯形聲腔模態(tài)（l,m,n）與之間板模態(tài)（u,v）存在耦合的條件為:當(dāng)m+n≠0、l+u為奇數(shù)時(shí),或當(dāng)m+n=0,l+u和m+v均為奇數(shù)時(shí),梯形聲腔模態(tài)與板模態(tài)之間才會(huì)產(chǎn)生耦合;相比于矩形聲腔系統(tǒng),梯形聲腔系統(tǒng)更容易產(chǎn)生聲振耦合現(xiàn)象。當(dāng)彈性板長(zhǎng)寬比在1<γ<2范圍時(shí),梯形聲腔系統(tǒng)出現(xiàn)強(qiáng)耦合的概率和密度較低,這利于梯形結(jié)構(gòu)形式的工程機(jī)械駕駛室的低耦合噪聲的設(shè)計(jì)。（3）以彈性板梯形聲腔系統(tǒng)的聲振耦合理論模型為基礎(chǔ),基于模態(tài)分析法建立了具有兩個(gè)傾斜面的復(fù)雜封閉聲腔系統(tǒng)的聲振耦合理論模型。首次研究了邊界矩形聲腔模態(tài)數(shù)對(duì)復(fù)雜聲腔模態(tài)求解精度的影響;探討了斜面傾角等參數(shù)變化對(duì)復(fù)雜聲腔模態(tài)頻率的影響規(guī)律;分析了聲腔深度、彈性板厚度、長(zhǎng)寬比、斜面傾角、結(jié)構(gòu)參數(shù)Wy變化對(duì)復(fù)雜聲腔系統(tǒng)全局聲振耦合特性的影響規(guī)律。研究結(jié)果表明:當(dāng)復(fù)雜聲腔變形比（σ=Wy/Ly）σ小于5/8時(shí),在保證前N階復(fù)雜聲腔模態(tài)頻率計(jì)算誤差小于1%的條件下,至少需要2N階邊界矩形聲腔模態(tài)參與計(jì)算;反之,至少需要3N甚至更多階邊界矩形聲腔模態(tài)參與計(jì)算。復(fù)雜聲腔聲態(tài)（l,m,n）與板模態(tài)（u,v）之間存在耦合的條件與梯形聲腔系統(tǒng)產(chǎn)生耦合的條件一致。當(dāng)結(jié)構(gòu)參數(shù)Wy恒定時(shí),隨著傾斜角的增大,復(fù)雜聲腔系統(tǒng)全局耦合特性逐漸減小,且當(dāng)傾斜角α=β時(shí),封閉聲腔系統(tǒng)的全局耦合程度最低;當(dāng)彈性板長(zhǎng)寬比γ在12范圍內(nèi)時(shí),復(fù)雜聲腔系統(tǒng)出現(xiàn)強(qiáng)耦合的概率和密度較低,這利于復(fù)雜結(jié)構(gòu)工程機(jī)械駕駛室的低耦合噪聲設(shè)計(jì)。（4）以具有兩個(gè)傾斜面的復(fù)雜封閉聲腔系統(tǒng)為研究對(duì)象,采用有限元分析法研究了不同激勵(lì)條件下封閉聲腔系統(tǒng)聲學(xué)響應(yīng)的變化規(guī)律。首次利用實(shí)驗(yàn)方法測(cè)試分析了吸聲材料、駕駛室座椅、赫姆霍茲共振器等組合方式對(duì)降低矩形封閉聲腔系統(tǒng)內(nèi)中低頻噪聲的可行性,并通過實(shí)驗(yàn)驗(yàn)證了實(shí)驗(yàn)方案的在控制封閉聲腔系統(tǒng)中低頻噪聲的有效性,為降低工程機(jī)械駕駛室內(nèi)低頻噪聲提供了思路。結(jié)果表明:不同激勵(lì)條件下復(fù)雜聲腔系統(tǒng)聲學(xué)響應(yīng)結(jié)果,驗(yàn)證了復(fù)雜聲腔系統(tǒng)產(chǎn)生聲振耦合的條件;相比皮質(zhì)表面座椅,網(wǎng)孔表面的駕駛室座椅具有更為優(yōu)異的吸聲性能,實(shí)驗(yàn)結(jié)果顯示網(wǎng)孔座椅的消聲量達(dá)到了6.56dB,而皮質(zhì)表面座椅的消聲量?jī)H為1.89dB;當(dāng)矩形聲腔壁面存在通孔時(shí),隨著通孔孔徑的增大,矩形聲腔系統(tǒng)中聲學(xué)響應(yīng)的主要峰值頻率及其幅值均會(huì)受到影響,其中矩形聲腔系統(tǒng)的模態(tài)頻率隨著通孔孔徑的增大而逐漸增大,各峰值頻率的幅值均隨著孔徑的增大而逐漸減小。（5）以輪式裝載機(jī)的駕駛室噪聲和機(jī)外噪聲為研究對(duì)象,基于心理聲學(xué)理論對(duì)其進(jìn)行了聲品質(zhì)客觀參量分析。首次設(shè)計(jì)了工程機(jī)械噪聲的聲品質(zhì)主觀評(píng)價(jià)實(shí)驗(yàn),分析了聲品質(zhì)主觀評(píng)價(jià)結(jié)果與各聲品質(zhì)客觀參量之間的相關(guān)性?；贐P神經(jīng)網(wǎng)絡(luò)建立了輪式裝載機(jī)四種工況下的聲品質(zhì)主觀評(píng)價(jià)模型,并對(duì)部分樣本的聲品質(zhì)主觀評(píng)價(jià)結(jié)果進(jìn)行了預(yù)測(cè)分析。結(jié)果表明:怠速工況下,A計(jì)權(quán)聲壓級(jí)、語言清晰度、語言清晰度指數(shù)和響度四個(gè)參量與主觀評(píng)價(jià)結(jié)果之間存在高相關(guān)性;在最大轉(zhuǎn)速工況下,四個(gè)參量則為A計(jì)權(quán)聲壓級(jí)、語言清晰度指數(shù)、尖銳度和響度。利用裝載機(jī)聲品質(zhì)主觀評(píng)價(jià)模型對(duì)樣本的預(yù)測(cè)誤差均在5%以內(nèi),表明主觀評(píng)價(jià)模型具有較高的預(yù)測(cè)精度。這對(duì)建立和完善工程機(jī)械的聲品質(zhì)評(píng)價(jià)方法、評(píng)價(jià)標(biāo)準(zhǔn)以及評(píng)價(jià)模型的研究具有重要意義。本文圍繞工程機(jī)械駕駛室全局聲振耦合特性分析與聲品質(zhì)評(píng)價(jià)研究,建立了典型結(jié)構(gòu)形式工程機(jī)械駕駛室封閉聲腔系統(tǒng)的聲振耦合理論模型,分析了結(jié)構(gòu)參數(shù)變化對(duì)封閉聲腔系統(tǒng)全局耦合特性的影響規(guī)律,探討了封閉聲腔系統(tǒng)中低頻噪聲的控制方法及工程機(jī)械駕駛室噪聲的聲品質(zhì)評(píng)價(jià)方法與評(píng)價(jià)模型,研究成果對(duì)降低工程機(jī)械駕駛室內(nèi)低頻噪聲具有重要意義,也為工程機(jī)械駕駛室噪聲的聲品質(zhì)評(píng)價(jià)與建模研究提供了思路和方法。
成振華[6]（2017）在《基于神經(jīng)網(wǎng)絡(luò)的直流電機(jī)在線故障診斷研究》文中研究表明在現(xiàn)代大型工業(yè)生產(chǎn)中,直流電機(jī)以其良好的調(diào)速性能和起動(dòng)性能、較大的制動(dòng)轉(zhuǎn)矩、較高的過載能力而廣泛用于軋鋼機(jī)、卷揚(yáng)機(jī)、起重機(jī)、機(jī)床和電力機(jī)車等設(shè)備中。為了實(shí)時(shí)在線監(jiān)測(cè)這些電機(jī)設(shè)備的運(yùn)行狀態(tài)和故障情況,改進(jìn)以往故障診斷工作存在的缺陷,本文研究了一種實(shí)用簡(jiǎn)便的直流電機(jī)在線故障診斷方法。針對(duì)在線故障診斷中全面性和準(zhǔn)確性的要求,提出了一種全面的直流電機(jī)故障類型劃分方法。為了實(shí)現(xiàn)在線故障診斷的實(shí)時(shí)性和簡(jiǎn)便性,提出了一種基于電流信號(hào)分析的在線故障診斷方法。以易于采集和監(jiān)測(cè)的直流電機(jī)電樞電流信號(hào)為基礎(chǔ),利用傅里葉分析等信號(hào)處理方法提取了故障特征參量,實(shí)現(xiàn)了基于人工智能方法的在線故障診斷。以人工神經(jīng)網(wǎng)絡(luò)和灰色關(guān)聯(lián)分析算法為基礎(chǔ),建立了基于電樞電流信號(hào)分析的直流電機(jī)在線故障診斷數(shù)學(xué)模型。確定了電機(jī)輸入電壓U、電機(jī)啟動(dòng)過程中電樞電流峰值im、電樞電流峰值點(diǎn)附近的電流最大下降速率K、電機(jī)穩(wěn)態(tài)運(yùn)行時(shí)電樞電流Ia、幅值最大的諧波對(duì)應(yīng)頻率f等5個(gè)故障診斷特征參量。對(duì)直流電機(jī)正常運(yùn)行狀態(tài)、四類單個(gè)故障狀態(tài)、三類多重故障狀態(tài)以及電壓和負(fù)載擾動(dòng)時(shí)的運(yùn)行狀態(tài)分別進(jìn)行了仿真分析。通過各種故障狀態(tài)的特征參量變化特征闡釋了BP神經(jīng)網(wǎng)絡(luò)對(duì)于各類故障的辨識(shí)能力,證明了神經(jīng)網(wǎng)絡(luò)算法對(duì)于直流電機(jī)在線故障診斷的正確性和有效性。解決了電壓擾動(dòng)和負(fù)載擾動(dòng)對(duì)故障診斷模型的干擾問題。以直流電機(jī)的實(shí)際數(shù)據(jù)對(duì)四種類型的故障分別舉例進(jìn)行了特征參量數(shù)據(jù)提取和故障機(jī)理分析。分析了仿真狀態(tài)下和實(shí)際狀態(tài)下直流電機(jī)故障特征參量的變化特征,證明了本文的故障診斷模型的正確性和通用性。以實(shí)際故障樣本進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練和故障診斷,對(duì)不同的故障類型,分別訓(xùn)練并優(yōu)化了不同的神經(jīng)網(wǎng)絡(luò)。通過對(duì)比發(fā)現(xiàn),優(yōu)化后的神經(jīng)網(wǎng)絡(luò)故障診斷正確率都有很大幅度的提高,平均正確率達(dá)到91.4%。說明本文確定的直流電機(jī)在線故障診斷模型對(duì)于直流電機(jī)故障診斷是實(shí)際可靠的,能幫助用戶實(shí)時(shí)在線監(jiān)測(cè)直流電機(jī)狀態(tài)變化。本文提出的直流電機(jī)在線故障診斷方法克服了已有診斷方法的諸多缺點(diǎn),只需要采集電機(jī)的電流和電壓信號(hào),不需其他機(jī)械性和溫度類信號(hào),硬件和軟件實(shí)現(xiàn)簡(jiǎn)單,對(duì)原本電機(jī)系統(tǒng)影響小,成本低,可靠性強(qiáng)。在諸如軋鋼廠等大型電力拖動(dòng)生產(chǎn)場(chǎng)合具有廣泛的應(yīng)用前景。
付強(qiáng)[7]（2013）在《電力機(jī)車主變壓器故障診斷技術(shù)研究》文中研究指明摘要：二十一世紀(jì)我國鐵路事業(yè)在“客運(yùn)高速、貨運(yùn)重載”的主題下實(shí)現(xiàn)了跨越式發(fā)展。隨著列車運(yùn)營速度的提高、單列機(jī)車牽引噸位的增加,對(duì)機(jī)車、車輛裝備的檢修和維護(hù)提出了更高的要求。電力機(jī)車主變壓器作為電力機(jī)車能量的來源,是電力機(jī)車的心臟,其安全可靠運(yùn)行對(duì)于保障鐵路運(yùn)輸?shù)陌踩?、高效具有重要作用。但與電力機(jī)車主變壓器的重要作用形成鮮明對(duì)比的是,對(duì)電力機(jī)車主變壓器故障診斷技術(shù)的研究明顯不足。因此,開展電力機(jī)車主變壓器的故障診斷技術(shù)研究對(duì)于提高機(jī)車檢修保障水平,完善電力機(jī)車故障診斷技術(shù)理論,增強(qiáng)電力機(jī)車/電動(dòng)車組運(yùn)行的安全性和可靠性具有重要意義。本文以電力機(jī)車主變壓器為主要研究對(duì)象,在概述了電力機(jī)車主變壓器結(jié)構(gòu)和應(yīng)用特點(diǎn)的基礎(chǔ)上,從機(jī)械振動(dòng)學(xué)、電磁學(xué)、電化學(xué)、電氣學(xué)出發(fā),研究分析了電力機(jī)車主變壓器油箱壁振動(dòng)信號(hào)、變壓油中溶解氣體的特點(diǎn)。并深入探索了符合我國目前電力機(jī)車主變壓器檢修工作實(shí)際需求和發(fā)展機(jī)車“狀態(tài)維修”需要的電力機(jī)車主變壓器故障診斷技術(shù)。針對(duì)機(jī)車主變壓器繞組、鐵芯變形故障,本文提出了基于油箱振動(dòng)信號(hào)的電力機(jī)車主變壓器故障診斷技術(shù),該技術(shù)不但靈敏度高,而且為發(fā)展機(jī)車主變壓器在線狀態(tài)監(jiān)測(cè)提供了基礎(chǔ)。本文首先從變壓器的振動(dòng)產(chǎn)生機(jī)理出發(fā),對(duì)機(jī)車主變壓器振動(dòng)信號(hào)的來源進(jìn)行了詳細(xì)的分析,探討了機(jī)車主變壓器油箱振動(dòng)信號(hào)測(cè)量位置的選擇。同時(shí),本文一方面利用質(zhì)量-彈簧模型建立了機(jī)車主變壓器繞組振動(dòng)的等效數(shù)學(xué)模型,推導(dǎo)了機(jī)車主變壓器穩(wěn)態(tài)運(yùn)行時(shí)繞組振動(dòng)的加速度方程；另一方面深入探討了引起機(jī)車主變壓器鐵芯振動(dòng)的主要原因及影響其振動(dòng)信號(hào)特征的因素。針對(duì)機(jī)車主變壓器繞組變形的故障檢測(cè),本文從麥克斯韋方程組和變壓器等效電路出發(fā),推導(dǎo)了變壓器電磁場(chǎng)耦合方程組,并利用ANASYS軟件對(duì)HXD1C型電力機(jī)車用主變壓器進(jìn)行了實(shí)體有限元建模,研究了在不同預(yù)緊力下繞組振動(dòng)信號(hào)的變化特點(diǎn),提出了利用繞組軸向100Hz振動(dòng)信號(hào)對(duì)變壓器繞組預(yù)緊力進(jìn)行監(jiān)測(cè)的方法。針對(duì)變壓器鐵芯振動(dòng)信號(hào)的特點(diǎn),本文提出了一種基于混合粒子群優(yōu)化算法的小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法,并將該算法訓(xùn)練的小波神經(jīng)網(wǎng)絡(luò)應(yīng)用于電力機(jī)車牽引變壓器鐵芯松動(dòng)的故障診斷。MATLAB仿真測(cè)試表明應(yīng)用該算法訓(xùn)練的小波神經(jīng)網(wǎng)絡(luò)對(duì)基于振動(dòng)信號(hào)的電力機(jī)車牽引變壓器鐵芯松動(dòng)診斷具有更快的收斂速度以及更高的診斷精度。針對(duì)DGA技術(shù)在電力機(jī)車主變壓器故障診斷中遇到的問題,本文在系統(tǒng)分析了DGA技術(shù)的原理和已有DGA診斷算法的基礎(chǔ)上,將多種DGA診斷方法有機(jī)的整合起來,結(jié)合機(jī)車主變壓器的特點(diǎn),提出了一套完整的電力機(jī)車主變壓器DGA診斷流程。同時(shí),本文提出了一種自組織RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法,并將其應(yīng)用于電力機(jī)車主變壓器DGA故障診斷。該算法利用平均粒距描述粒子的集中程度,結(jié)合Gaussian隨機(jī)數(shù),按一定概率加大PSO算法中的慣性因子,從而增強(qiáng)了傳統(tǒng)PSO的全局搜索能力；同時(shí)將FCM算法和Gaussian-PSO算法融合應(yīng)用到RBF神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)的選擇和網(wǎng)絡(luò)連接權(quán)值的優(yōu)化,改善了以往RBF神經(jīng)網(wǎng)絡(luò)的不足,并利用鳶尾屬植物數(shù)據(jù)集及葡萄酒數(shù)據(jù)集對(duì)算法進(jìn)行了驗(yàn)證。MATLAB仿真測(cè)試表明該算法確實(shí)具有更高的診斷精度,但訓(xùn)練時(shí)間較長(zhǎng)。最后,針對(duì)目前機(jī)車主變壓器檢修試驗(yàn)裝備較為落后的現(xiàn)狀,本文在詳細(xì)研究了機(jī)車主變壓器型式試驗(yàn)的基本要求和目前機(jī)車主變壓器檢修工作存在的主要問題的基礎(chǔ)上,詳細(xì)給出了機(jī)車主變壓器綜合測(cè)試及故障診斷系統(tǒng)的軟、硬件設(shè)計(jì)方案。該系統(tǒng)可以滿足目前國內(nèi)主流電力機(jī)車用主變壓器的所有型式試驗(yàn)要求并能利用變壓器油中溶解氣體數(shù)據(jù)、變壓器表壁振動(dòng)信號(hào)和型式試驗(yàn)數(shù)據(jù)對(duì)被試變壓器進(jìn)行綜合診斷。
李高升[8]（2013）在《電子信息系統(tǒng)電磁兼容維護(hù)關(guān)鍵技術(shù)研究》文中研究表明電子設(shè)備與系統(tǒng)良好的電磁兼容性能通過科學(xué)合理的電磁兼容設(shè)計(jì)與制造獲得,并通過及時(shí)且有效的電磁兼容維護(hù)而得以保持。近年來,隨著軍事用頻裝備和民用無線電設(shè)備與系統(tǒng)的快速增多,電磁環(huán)境呈現(xiàn)日益復(fù)雜化的態(tài)勢(shì),電磁自擾、互擾等不兼容問題逐漸增多。而電磁干擾排查的難度較大,電磁兼容現(xiàn)場(chǎng)測(cè)試與分析手段較少,對(duì)測(cè)試數(shù)據(jù)的綜合應(yīng)用欠缺。為此,本文研究電磁兼容維護(hù)技術(shù)和方法,探討系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)方案,致力于為保持或恢復(fù)電子信息系統(tǒng)的電磁兼容狀態(tài)提供技術(shù)支撐。論文研究過程中開展和完成的工作可以劃分為理論、方法和技術(shù)等三方面,主要包括:一、電磁兼容維護(hù)的概念和理論圍繞電磁兼容維護(hù)這一中心任務(wù),論文首先研究了電磁兼容維護(hù)工作的基礎(chǔ)問題,提出了電磁兼容維護(hù)、電磁兼容預(yù)知性維護(hù)、電磁兼容可靠性、電磁兼容模型綜合、電磁兼容體檢和電磁兼容保障等概念,分別給出或明確了各自的定義,闡述了相關(guān)內(nèi)涵,初步建立了電子信息系統(tǒng)電磁兼容維護(hù)的理論與技術(shù)框架,解決了電磁兼容維護(hù)領(lǐng)域的部分理論問題。在此基礎(chǔ)上,論文探討了信息化裝備的維護(hù)、保障和健康管理的基本思想;分析了電磁兼容故障診斷方法和引起故障的原因;給出了實(shí)現(xiàn)電磁兼容模型綜合所需的數(shù)據(jù)預(yù)處理方法;定義了電磁兼容可靠性的表征參數(shù),分析了裝備的電磁兼容壽命;嘗試給出了電磁兼容維護(hù)效果評(píng)估方法;闡明了電磁兼容加改裝的工作內(nèi)容,分析了電磁兼容加改裝的目的和原則。二、基于測(cè)試數(shù)據(jù)的電磁兼容預(yù)測(cè)方法論文研究了如何對(duì)電磁兼容測(cè)試數(shù)據(jù)和分析評(píng)估結(jié)果進(jìn)行深入分析和數(shù)據(jù)挖掘,并在此基礎(chǔ)上預(yù)測(cè)系統(tǒng)的電磁兼容性能。提出了電子信息系統(tǒng)電磁兼容預(yù)測(cè)的統(tǒng)計(jì)分析方法,探討了面向?qū)嶋H問題的統(tǒng)計(jì)算法實(shí)用化設(shè)計(jì)方法,包括分段原則和方法及曲率、切線、梯度等概念的應(yīng)用;研究了人工神經(jīng)網(wǎng)絡(luò)算法及其在電磁兼容領(lǐng)域的應(yīng)用,分析了訓(xùn)練算法的特點(diǎn)與選擇方法、學(xué)習(xí)率的設(shè)定等問題,提出了基于神經(jīng)網(wǎng)絡(luò)的電磁兼容模型綜合方法;研究了人工蜂群和人工魚群等群體智能仿生算法;研究了模糊數(shù)學(xué)理論與方法,探討了基于模糊技術(shù)的電磁兼容模型綜合;面向電磁兼容維護(hù),提出了一種基于模糊與神經(jīng)網(wǎng)絡(luò)混合的電磁兼容預(yù)測(cè)方法;分析了粒子群優(yōu)化魚群算法。本文研究的各種算法分別以雷達(dá)、通信設(shè)備的電磁敏感度、輻射與傳導(dǎo)發(fā)射特性等分析為例進(jìn)行了闡釋或驗(yàn)證。三、電磁兼容維護(hù)系統(tǒng)研制的關(guān)鍵技術(shù)攻關(guān)電磁兼容測(cè)試與分析是電磁兼容維護(hù)領(lǐng)域的重要技術(shù)。本文分析了電磁兼容測(cè)試方法、測(cè)試場(chǎng)地和測(cè)試系統(tǒng),研究了維護(hù)工作涉及的現(xiàn)場(chǎng)測(cè)試難點(diǎn)及其與標(biāo)準(zhǔn)測(cè)試的區(qū)別,探討了現(xiàn)場(chǎng)測(cè)試中的信號(hào)處理方法;研究了電磁兼容分析和預(yù)測(cè)方法,深入分析了基于電磁拓?fù)淅碚摰母蓴_信號(hào)傳播分析方法。論文對(duì)電磁兼容維護(hù)系統(tǒng)進(jìn)行了需求分析,闡述了維護(hù)系統(tǒng)的功能和構(gòu)成,給出了設(shè)計(jì)思路,分析了測(cè)試和模擬、模型綜合、數(shù)據(jù)庫子系統(tǒng)及移動(dòng)式車載平臺(tái)設(shè)計(jì)中的部分重點(diǎn)和難點(diǎn)問題,特別是為了提高電磁兼容測(cè)試與分析能力所進(jìn)行的優(yōu)化設(shè)計(jì)與改進(jìn),分析了軟件集成問題;重點(diǎn)研究了電磁兼容模型綜合子系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)方法和技術(shù),闡述了統(tǒng)計(jì)分析和人工智能算法的應(yīng)用;深入研究了電磁信號(hào)接收的寬帶補(bǔ)償技術(shù),闡述了寬帶開關(guān)、濾波器、低相噪本振及微波變頻接收模塊的設(shè)計(jì)方法,分析了車載方艙的電磁兼容措施;論文給出了部分典型平臺(tái)的電磁環(huán)境及裝備電磁發(fā)射特性、敏感特性測(cè)試與分析的試驗(yàn)情況和部分結(jié)果。論文取得的研究進(jìn)展對(duì)電磁兼容性能的針對(duì)性測(cè)試、主動(dòng)管理和預(yù)知性維護(hù)與保障具有直接作用,有助于將電磁兼容領(lǐng)域的被動(dòng)和消極維護(hù)轉(zhuǎn)變?yōu)橹鲃?dòng)和積極維護(hù)。本文提出的方法和模型在電磁兼容維護(hù)系統(tǒng)中得到了應(yīng)用,并針對(duì)艦船、潛艇和飛機(jī)等重要平臺(tái)的電子信息系統(tǒng)開展了電磁兼容試驗(yàn),取得了良好的效果。
盧軼楠[9]（2012）在《多功能可程控電參量測(cè)量?jī)x的研究》文中認(rèn)為隨著我國科技的不斷進(jìn)步，工業(yè)生產(chǎn)、科研、國防等用電部門對(duì)電參量檢測(cè)儀表的要求越來越高，電參量檢測(cè)儀表的研究也得以不斷深入。對(duì)于電參量的檢測(cè)，存在著功能全面、測(cè)量精度高、具有網(wǎng)絡(luò)接口功能等適應(yīng)需求的新的要求。研究多功能、智能化、網(wǎng)絡(luò)化的電參量測(cè)量?jī)x已成為研究學(xué)者和儀器儀表廠商深入研究的問題。其中，智能化自動(dòng)校正是提高測(cè)得數(shù)據(jù)精度的重要手段，儀表網(wǎng)絡(luò)化是實(shí)現(xiàn)電參量多點(diǎn)測(cè)量、計(jì)算機(jī)控制的關(guān)鍵技術(shù)，這兩個(gè)方面都成為本領(lǐng)域研究的熱點(diǎn)。本文在開始部分系統(tǒng)地分析了多功能電參量測(cè)量?jī)x的發(fā)展現(xiàn)狀以及本文的主要研究?jī)?nèi)容，并且分析了研究的主要難點(diǎn)。對(duì)于智能化自動(dòng)校正，需要研究一種有效的算法來完成校正任務(wù)；對(duì)于儀表的網(wǎng)絡(luò)化，需要設(shè)計(jì)專門的網(wǎng)絡(luò)接口，以及設(shè)計(jì)相應(yīng)的控制程序。這也是本文主要的創(chuàng)新點(diǎn)所在。本文接著詳細(xì)研究了多功能交流電參量測(cè)量?jī)x的硬件設(shè)計(jì)和軟件設(shè)計(jì)。硬件方面，主要包括模擬電路和數(shù)字電路兩個(gè)部分：模擬電路包括交流信號(hào)的調(diào)理、放大、有效值轉(zhuǎn)換、模數(shù)轉(zhuǎn)換，數(shù)字電路包括單片機(jī)控制、鍵盤掃描、液晶顯示器顯示、串口擴(kuò)展等。軟件部分包括檢測(cè)程序、校正程序以及程序的研究中著重解決的幾個(gè)關(guān)鍵技術(shù)問題。為了實(shí)現(xiàn)對(duì)測(cè)量值的自動(dòng)校正，本文專門設(shè)計(jì)了一種功率的多線性映射誤差校正方法。這種算法將影響測(cè)量結(jié)果的各個(gè)因素列為校正函數(shù)的自變量，根據(jù)其影響的程度逐一參與計(jì)算，實(shí)現(xiàn)了對(duì)測(cè)量值的校正。為了實(shí)現(xiàn)儀表的網(wǎng)絡(luò)化，本文對(duì)網(wǎng)絡(luò)接口進(jìn)行了研究，采用LXI總線實(shí)現(xiàn)了測(cè)量?jī)x的網(wǎng)絡(luò)化。本文通過對(duì)幾種新技術(shù)的研究應(yīng)用，實(shí)現(xiàn)了電參量測(cè)量?jī)x功能的擴(kuò)展，為使用人員提供了一種新型的儀表。
朱雪枝[10]（2004）在《基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的中頻電參量測(cè)試儀的設(shè)計(jì)》文中進(jìn)行了進(jìn)一步梳理目前,多功能電量測(cè)試儀在我國工業(yè)中具有非常廣泛的應(yīng)用,國內(nèi)的許多研究部門和儀器生產(chǎn)企業(yè)曾先后開發(fā)了電參量測(cè)量的儀器。但是,由于測(cè)量方法和技術(shù)的限制,這類儀器的頻率范圍局限在工頻,不適合中頻范圍電參量的準(zhǔn)確測(cè)量。然而,電氣化鐵路、電弧冶煉、感應(yīng)加熱、航空和艦船等領(lǐng)域急需寬頻率范圍的多參數(shù)電參量測(cè)量?jī)x器,用于對(duì)中頻電參量進(jìn)行準(zhǔn)確測(cè)量及電能消耗的正確評(píng)估,從而既能保證生產(chǎn)的正常進(jìn)行,又能夠節(jié)省能源。因此,研究中頻電參量的測(cè)量方法,設(shè)計(jì)和開發(fā)中頻范圍的電參量測(cè)量?jī)x器,不但具有廣泛的應(yīng)用領(lǐng)域,而且還具有十分重要的理論意義。本文通過對(duì)現(xiàn)有電參量測(cè)量主要方法的深入分析、比較和研究,指出了各種電參量測(cè)量方法的優(yōu)缺點(diǎn)。經(jīng)過充分地理論研究、細(xì)致的電路設(shè)計(jì)和全面的實(shí)驗(yàn)測(cè)試,得到以下幾個(gè)方面的成果:1)建立了多電參量測(cè)量的數(shù)學(xué)模型,研究提出了并行有效值神經(jīng)元構(gòu)成的神經(jīng)網(wǎng)絡(luò)方案,實(shí)現(xiàn)信號(hào)的快速準(zhǔn)確測(cè)量以及頻率范圍的擴(kuò)展;2)根據(jù)并行有效值的神經(jīng)網(wǎng)絡(luò),設(shè)計(jì)實(shí)現(xiàn)了多參數(shù)電參量（電壓、電流、功率、頻率和功率因數(shù)）測(cè)量的硬件電路和軟件程序,并對(duì)電路和軟件程序進(jìn)行了調(diào)試;3)研究了神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)多參數(shù)電參量測(cè)量的誤差,提出了誤差二元函數(shù)插值校正的簡(jiǎn)化方法,較好地實(shí)現(xiàn)儀器系統(tǒng)誤差的校正。此外,該測(cè)試儀研制成功以后,在國家計(jì)量研究院進(jìn)行測(cè)試,功率的測(cè)量頻率范圍在1kHz內(nèi),準(zhǔn)確度優(yōu)于0.5%,電壓電流的測(cè)量頻率范圍可達(dá)5kHz,準(zhǔn)確度優(yōu)于0.2%。
二、基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的中頻電參量測(cè)試儀的設(shè)計(jì)（論文開題報(bào)告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡(jiǎn)單簡(jiǎn)介論文所研究問題的基本概念和背景，再而簡(jiǎn)單明了地指出論文所要研究解決的具體問題，并提出你的論文準(zhǔn)備的觀點(diǎn)或解決方法。
寫法范例：
本文主要提出一款精簡(jiǎn)64位RISC處理器存儲(chǔ)管理單元結(jié)構(gòu)并詳細(xì)分析其設(shè)計(jì)過程。在該MMU結(jié)構(gòu)中,TLB采用叁個(gè)分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲(chǔ)器并行查找,支持粗粒度為64KB和細(xì)粒度為4KB兩種頁面大小,采用多級(jí)分層頁表結(jié)構(gòu)映射地址空間,并詳細(xì)論述了四級(jí)頁表轉(zhuǎn)換過程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲(chǔ)系統(tǒng)實(shí)現(xiàn)的一個(gè)重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對(duì)象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對(duì)象從而得到有關(guān)信息。
實(shí)驗(yàn)法：通過主支變革、控制研究對(duì)象來發(fā)現(xiàn)與確認(rèn)事物間的因果關(guān)系。
文獻(xiàn)研究法：通過調(diào)查文獻(xiàn)來獲得資料，從而全面的、正確的了解掌握研究方法。
實(shí)證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實(shí)踐的需要提出設(shè)計(jì)。
定性分析法：對(duì)研究對(duì)象進(jìn)行“質(zhì)”的方面的研究，這個(gè)方法需要計(jì)算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對(duì)研究對(duì)象的認(rèn)識(shí)進(jìn)一步精確化。
跨學(xué)科研究法：運(yùn)用多學(xué)科的理論、方法和成果從整體上對(duì)某一課題進(jìn)行研究。
功能分析法：這是社會(huì)科學(xué)用來分析社會(huì)現(xiàn)象的一種方法，從某一功能出發(fā)研究多個(gè)方面的影響。
模擬法：通過創(chuàng)設(shè)一個(gè)與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的中頻電參量測(cè)試儀的設(shè)計(jì)（論文提綱范文）
（1）基于聲發(fā)射信號(hào)處理的風(fēng)力機(jī)葉片損傷演化研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 研究背景 |
| 1.2 研究的目的與意義 |
| 1.3 國內(nèi)外研究現(xiàn)狀 |
| 1.3.1 疲勞損傷演化研究現(xiàn)狀 |
| 1.3.2 風(fēng)力機(jī)葉片監(jiān)測(cè)技術(shù)的發(fā)展與應(yīng)用 |
| 1.3.3 聲發(fā)射信號(hào)處理的研究現(xiàn)狀 |
| 1.4 研究?jī)?nèi)容 |
| 第2章 GFRP復(fù)合材料疲勞損傷演化的理論基礎(chǔ) |
| 2.1 復(fù)合材料疲勞損傷力學(xué) |
| 2.2 聲發(fā)射能量耗散模型 |
| 2.2.1 疲勞損傷能量耗散理論 |
| 2.2.2 不同損傷階段的能量耗散規(guī)律分析 |
| 2.2.3 聲發(fā)射能量耗散半經(jīng)驗(yàn)?zāi)Ｐ?/td> |
| 2.3 聲發(fā)射信號(hào)在復(fù)合材料中的傳播 |
| 2.3.1 彈性應(yīng)力波理論 |
| 2.3.2 Lamb波理論 |
| 2.3.3 非線性Lamb波頻散控制方程 |
| 2.3.4 不同損傷程度對(duì)Lamb波的影響 |
| 2.4 本章小結(jié) |
| 第3章 葉片主梁工藝缺陷損傷演化的AE信號(hào)特征分析 |
| 3.1 風(fēng)力機(jī)葉片主梁的制造工藝缺陷 |
| 3.2 GFRP復(fù)合材料層合板聲發(fā)射實(shí)驗(yàn) |
| 3.2.1 試件制備 |
| 3.2.2 聲發(fā)射監(jiān)測(cè)系統(tǒng) |
| 3.2.3 聲發(fā)射實(shí)驗(yàn)方法 |
| 3.3 AE信號(hào)的K-means聚類分析 |
| 3.4 分層缺陷的聲發(fā)射特征分析 |
| 3.5 褶皺缺陷的聲發(fā)射特征分析 |
| 3.6 不同缺陷試件的損傷機(jī)制分析 |
| 3.7 本章小結(jié) |
| 第4章 基于盲源分離的褶皺缺陷損傷演化特征提取 |
| 4.1 AE信號(hào)的盲源分離處理方法 |
| 4.1.1 褶皺缺陷AE信號(hào)的混疊特性分析 |
| 4.1.2 卷積混合模型 |
| 4.1.3 盲源分離性能指標(biāo)改進(jìn)方法 |
| 4.1.4 估計(jì)性能指標(biāo)構(gòu)造自適應(yīng)步長(zhǎng)函數(shù) |
| 4.1.5 信號(hào)仿真分析 |
| 4.2 基于K-means聚類的欠定盲分離算法 |
| 4.2.1 K-means欠定盲分離算法 |
| 4.2.2 改進(jìn)K-means聚類算法 |
| 4.2.3 信號(hào)仿真模擬 |
| 4.3 褶皺缺陷損傷演化的AE信號(hào)特征提取 |
| 4.3.1 疲勞試驗(yàn)和AE信號(hào)采集 |
| 4.3.2 AE信號(hào)的盲分離處理 |
| 4.3.3 微觀形貌分析 |
| 4.4 基于聲能耗散模型的褶皺缺陷損傷演化分析 |
| 4.5 本章小結(jié) |
| 第5章 分層缺陷損傷識(shí)別的時(shí)頻分析方法 |
| 5.1 雙線性時(shí)頻分析方法 |
| 5.1.1 WVD時(shí)頻分布原理及不足 |
| 5.1.2 WVD時(shí)頻分布交叉項(xiàng)抑制 |
| 5.2 AVMD-WVD時(shí)頻分析方法 |
| 5.2.1 VMD算法理論 |
| 5.2.2 VMD-WVD自適應(yīng)改進(jìn)方法 |
| 5.2.3 譜相關(guān)分析 |
| 5.3 疲勞實(shí)驗(yàn)與AE信號(hào)處理 |
| 5.3.1 實(shí)驗(yàn)數(shù)據(jù)采集 |
| 5.3.2 分解信號(hào)算法對(duì)比 |
| 5.3.3 AE頻率特征對(duì)比與驗(yàn)證 |
| 5.3.4 分層缺陷損傷演化機(jī)理分析 |
| 5.4 微觀形貌分析 |
| 5.5 本章小結(jié) |
| 第6章 基于神經(jīng)網(wǎng)絡(luò)的失穩(wěn)狀態(tài)識(shí)別和預(yù)測(cè) |
| 6.1 BP神經(jīng)網(wǎng)絡(luò)概述 |
| 6.1.1 BP神經(jīng)元基本原理 |
| 6.1.2 BP神經(jīng)網(wǎng)絡(luò)算法 |
| 6.1.3 BP神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)與不足 |
| 6.2 神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置 |
| 6.2.1 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速率 |
| 6.2.2 神經(jīng)網(wǎng)絡(luò)期望誤差 |
| 6.2.3 神經(jīng)網(wǎng)絡(luò)激勵(lì)函數(shù)選取 |
| 6.2.4 神經(jīng)網(wǎng)絡(luò)隱含層數(shù)設(shè)定 |
| 6.3 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的建立 |
| 6.3.1 失穩(wěn)破壞前兆特征提取 |
| 6.3.2 失穩(wěn)破壞前兆預(yù)測(cè)模型 |
| 6.4 失穩(wěn)破壞前兆識(shí)別與預(yù)測(cè) |
| 6.4.1 實(shí)驗(yàn)數(shù)據(jù)采集 |
| 6.4.2 實(shí)驗(yàn)數(shù)據(jù)處理 |
| 6.4.3 預(yù)測(cè)結(jié)果分析 |
| 6.5 本章小結(jié) |
| 第7章 結(jié)論與展望 |
| 7.1 結(jié)論和創(chuàng)新點(diǎn) |
| 7.2 展望 |
| 參考文獻(xiàn) |
| 在學(xué)研究成果 |
| 致謝 |
（2）基于組合神經(jīng)網(wǎng)絡(luò)模型的MOSEFT健康狀態(tài)評(píng)估系統(tǒng)研究（論文提綱范文）
| 中文摘要 |
| 英文摘要 |
| 1 緒論 |
| 1.1 研究背景及意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀分析 |
| 1.2.1 功率器件失效機(jī)理 |
| 1.2.2 狀態(tài)監(jiān)測(cè)方法 |
| 1.2.3 不同狀態(tài)監(jiān)測(cè)方法對(duì)比 |
| 1.3 本文主要研究?jī)?nèi)容 |
| 2 狀態(tài)評(píng)估的特征量甄選 |
| 2.1 引言 |
| 2.2 狀態(tài)評(píng)估參量的理論分析 |
| 2.2.1 疲勞機(jī)理分析 |
| 2.2.2 導(dǎo)通電阻作為評(píng)估參量的理論分析 |
| 2.3 電-熱耦合多物理場(chǎng)有限元模型的建立 |
| 2.3.1 電-熱耦合原理及其求解流程 |
| 2.3.2 幾何材料參數(shù)設(shè)置 |
| 2.3.3 邊界條件設(shè)置和網(wǎng)格剖分 |
| 2.4 電-熱耦合模型的有效性驗(yàn)證 |
| 2.4.1 電特性驗(yàn)證 |
| 2.4.2 熱阻驗(yàn)證 |
| 2.5 狀態(tài)評(píng)估參量的甄選 |
| 2.5.1 鍵合引線疲勞 |
| 2.5.2 焊料層疲勞 |
| 2.5.3 健康狀態(tài)評(píng)估指標(biāo)對(duì)比 |
| 2.6 基于導(dǎo)通電阻的狀態(tài)監(jiān)測(cè)方法 |
| 2.6.1 監(jiān)測(cè)方法的提出 |
| 2.6.2 監(jiān)測(cè)方法驗(yàn)證 |
| 2.7 本章小結(jié) |
| 3 基于組合神經(jīng)網(wǎng)絡(luò)模型的健康狀態(tài)評(píng)估方法 |
| 3.1 引言 |
| 3.2 樣本數(shù)據(jù)的獲取 |
| 3.3 BP神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 |
| 3.3.1 BP神經(jīng)網(wǎng)絡(luò)原理 |
| 3.3.2 訓(xùn)練方法 |
| 3.4 基于組合神經(jīng)網(wǎng)絡(luò)的評(píng)估模型 |
| 3.4.1 多BP神經(jīng)網(wǎng)絡(luò)建模 |
| 3.4.2 正態(tài)分布驗(yàn)證 |
| 3.4.3 基于3σ準(zhǔn)則的評(píng)估區(qū)間計(jì)算 |
| 3.5 模型準(zhǔn)確性驗(yàn)證及結(jié)果分析 |
| 3.5.1 2σ模型評(píng)估結(jié)果 |
| 3.5.2 評(píng)估區(qū)間寬度、置信度和準(zhǔn)確率之間的關(guān)系 |
| 3.5.3 模型數(shù)量與準(zhǔn)確率的關(guān)系 |
| 3.5.4 評(píng)估區(qū)間寬度設(shè)置方法對(duì)比 |
| 3.6 本章小結(jié) |
| 4 基于BUCK變流器的試驗(yàn)驗(yàn)證和系統(tǒng)設(shè)計(jì) |
| 4.1 前言 |
| 4.2 BUCK電路工作原理 |
| 4.2.1 連續(xù)模式 |
| 4.2.2 斷續(xù)模式 |
| 4.3 BUCK變流器硬件電路設(shè)計(jì) |
| 4.3.1 設(shè)計(jì)要求 |
| 4.3.2 主電路設(shè)計(jì) |
| 4.3.3 控制電路設(shè)計(jì) |
| 4.3.4 保護(hù)電路 |
| 4.4 輸入特征參量采樣設(shè)計(jì) |
| 4.5 試驗(yàn)方案設(shè)計(jì)及平臺(tái)搭建 |
| 4.6 評(píng)估模型驗(yàn)證 |
| 4.6.1 試驗(yàn)結(jié)果 |
| 4.6.2 模型評(píng)估結(jié)果 |
| 4.7 健康狀態(tài)評(píng)估系統(tǒng)設(shè)計(jì) |
| 4.8 本章小結(jié) |
| 5 結(jié)論與展望 |
| 5.1 主要結(jié)論 |
| 5.2 后續(xù)工作展望 |
| 參考文獻(xiàn) |
| 附錄 |
| A 作者在攻讀碩士學(xué)位期間發(fā)表的論文情況 |
| B 作者在攻讀碩士學(xué)位期間參與的科研項(xiàng)目 |
| C 學(xué)位論文數(shù)據(jù)集 |
| 致謝 |
（3）動(dòng)力電池組健康狀態(tài)監(jiān)測(cè)和壽命預(yù)測(cè)的研究（論文提綱范文）
| 摘要 |
| ABSTRCT |
| 第1章 緒論 |
| 1.1 課題研究背景與意義 |
| 1.1.1 課題研究背景 |
| 1.1.2 課題研究意義 |
| 1.2 動(dòng)力電池SOC、SOH和 RUL的研究現(xiàn)狀 |
| 1.2.1 有關(guān)SOC、SOH和 RUL的定義 |
| 1.2.2 動(dòng)力電池SOC、SOH和 RUL的國內(nèi)外研究現(xiàn)狀 |
| 1.3 本文主要研究?jī)?nèi)容及章節(jié)安排 |
| 第2章 動(dòng)力電池的基本特性 |
| 2.1 引言 |
| 2.2 動(dòng)力電池結(jié)構(gòu)以及工作原理 |
| 2.3 動(dòng)力電池基本特性分析 |
| 2.3.1 動(dòng)力電池的老化容量衰退特性 |
| 2.3.2 動(dòng)力電池的內(nèi)阻變化特性 |
| 2.3.3 動(dòng)力電池的充放電特性 |
| 2.4 本章小結(jié) |
| 第3章 動(dòng)力電池的SOC估算 |
| 3.1 引言 |
| 3.2 動(dòng)力電池SOC與各電參數(shù)的關(guān)系 |
| 3.2.1 動(dòng)力電池放電時(shí)SOC與放電電壓之間的關(guān)系 |
| 3.2.2 動(dòng)力電池放電時(shí)SOC與放電電流之間的關(guān)系 |
| 3.2.3 動(dòng)力電池放電時(shí)SOC與溫度之間的關(guān)系 |
| 3.2.4 動(dòng)力電池放電時(shí)SOC與內(nèi)阻之間的關(guān)系 |
| 3.3 BP神經(jīng)網(wǎng)絡(luò)算法估算電池的SOC |
| 3.3.1 BP神經(jīng)網(wǎng)絡(luò)的介紹 |
| 3.3.2 BP神經(jīng)網(wǎng)絡(luò)算法建模估算電池SOC |
| 3.4 BP神經(jīng)網(wǎng)絡(luò)算法估算電池的SOC仿真 |
| 3.4.1 仿真模型搭建 |
| 3.4.2 仿真結(jié)果分析 |
| 3.5 本章小結(jié) |
| 第4章 動(dòng)力電池的SOH估算 |
| 4.1 引言 |
| 4.2 SOH的估算 |
| 4.2.1 改進(jìn)型容量法估算電池的SOH |
| 4.2.2 改進(jìn)型內(nèi)阻法估算電池的SOH |
| 4.2.3 電壓法估算電池的SOH |
| 4.3 聯(lián)合法估算電池的SOH |
| 4.3.1 BP神經(jīng)網(wǎng)絡(luò)算法聯(lián)合估算電池的SOH |
| 4.3.2 GA-BP神經(jīng)網(wǎng)絡(luò)算法聯(lián)合估算電池的SOH |
| 4.3.3 PSO-BP神經(jīng)網(wǎng)絡(luò)算法聯(lián)合估算電池的SOH |
| 4.4 本章小結(jié) |
| 第5章 動(dòng)力電池的RUL估算 |
| 5.1 引言 |
| 5.2 RUL預(yù)測(cè)過程 |
| 5.3 曲線擬合方法估算RUL |
| 5.4 卡爾曼濾波估算RUL |
| 5.5 灰色神經(jīng)網(wǎng)絡(luò)算法估算RUL |
| 5.5.1 灰色理論 |
| 5.5.2 灰色神經(jīng)網(wǎng)絡(luò) |
| 5.6 聯(lián)合方法預(yù)測(cè)電池的RUL |
| 5.6.1 BP神經(jīng)網(wǎng)絡(luò)聯(lián)合方法預(yù)測(cè)電池的RUL |
| 5.6.2 GA-BP神經(jīng)網(wǎng)絡(luò)聯(lián)合方法預(yù)測(cè)電池的RUL |
| 5.6.3 PSO-BP神經(jīng)網(wǎng)絡(luò)聯(lián)合方法預(yù)測(cè)電池的RUL |
| 5.7 本章小結(jié) |
| 第6章 總結(jié)與展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 攻讀碩士學(xué)位期間發(fā)表的論文和專利 |
| 攻讀碩士學(xué)位期間參與的科研項(xiàng)目 |
（4）基于深度學(xué)習(xí)的電主軸軸承故障診斷方法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 課題的研究背景及來源 |
| 1.1.1 課題的研究背景 |
| 1.1.2 課題的來源 |
| 1.2 課題的國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 故障診斷技術(shù)的研究現(xiàn)狀 |
| 1.2.2 滾動(dòng)軸承故障診斷技術(shù)的研究現(xiàn)狀 |
| 1.2.3 深度學(xué)習(xí)在故障診斷中的研究現(xiàn)狀 |
| 1.3 課題目的 |
| 1.4 本文主要內(nèi)容安排 |
| 第二章 電主軸故障機(jī)理 |
| 2.1 電主軸結(jié)構(gòu)及故障形式 |
| 2.1.1 電主軸結(jié)構(gòu) |
| 2.1.2 電主軸的故障形式 |
| 2.2 滾動(dòng)軸承故障形式及頻率分析 |
| 2.2.1 滾動(dòng)軸承故障形式 |
| 2.2.2 滾動(dòng)軸承故障頻率特性 |
| 2.2.3 滾動(dòng)軸承外圈故障分析 |
| 2.3 模擬實(shí)驗(yàn)平臺(tái) |
| 2.4 本章小結(jié) |
| 第三章 SDAE電主軸軸承故障診斷方法研究 |
| 3.1 引言 |
| 3.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) |
| 3.3 SDAE模型 |
| 3.3.1 自編碼器 |
| 3.3.2 降噪自編碼器 |
| 3.3.3 稀疏自編碼器 |
| 3.3.4 SDAE |
| 3.4 SDAE故障診斷方法流程 |
| 3.4.1 仿真結(jié)果與分析 |
| 3.5 本章小結(jié) |
| 第四章 改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)CNND電主軸軸承故障診斷方法研究 |
| 4.1 引言 |
| 4.2 卷積神經(jīng)網(wǎng)絡(luò)算法原理 |
| 4.2.1 卷積層 |
| 4.2.2 激活層 |
| 4.2.3 池化層 |
| 4.2.4 全連接層 |
| 4.3 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程 |
| 4.3.1 前向傳播 |
| 4.3.2 反向傳播 |
| 4.4 Dropout方法概述 |
| 4.5 改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)CNND電主軸軸承故障診斷方法 |
| 4.5.1 改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)CNND故障診斷方法流程 |
| 4.5.2 仿真結(jié)果與分析 |
| 4.6 本章小結(jié) |
| 第五章 改進(jìn)SDAE-CNN電主軸軸承故障診斷方法研究 |
| 5.1 引言 |
| 5.2 SDAE隱含層數(shù)及隱含層神經(jīng)元個(gè)數(shù)組合分析 |
| 5.3 CNN結(jié)構(gòu)參數(shù)組合分析 |
| 5.3.1 卷積層個(gè)數(shù)組合分析 |
| 5.3.2 卷積核個(gè)數(shù)組合分析 |
| 5.3.3 卷積核尺寸參數(shù)優(yōu)化 |
| 5.4 優(yōu)化算法及學(xué)習(xí)率 |
| 5.5 改進(jìn)SDAE-CNN電主軸軸承故障診斷方法 |
| 5.5.1 改進(jìn)SDAE-CNN故障診斷方法流程 |
| 5.5.2 仿真結(jié)果與分析 |
| 5.6 本章小結(jié) |
| 第六章 結(jié)論與展望 |
| 6.1 結(jié)論 |
| 6.2 創(chuàng)新點(diǎn) |
| 6.3 展望 |
| 參考文獻(xiàn) |
| 作者簡(jiǎn)介 |
| 作者在攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文 |
| 致謝 |
（5）工程機(jī)械駕駛室全局聲振耦合特性分析與聲品質(zhì)評(píng)價(jià)研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 封閉聲腔聲振耦合特性研究的文獻(xiàn)概述 |
| 1.2.1 模態(tài)分析法在聲振耦合研究中的應(yīng)用綜述 |
| 1.2.2 有限元法在聲振耦合研究中的應(yīng)用綜述 |
| 1.2.3 邊界元法在聲振耦合研究中的應(yīng)用綜述 |
| 1.2.4 統(tǒng)計(jì)能量法在聲振耦合研究中的應(yīng)用綜述 |
| 1.2.5 其它方法在聲振耦合研究中的應(yīng)用綜述 |
| 1.3 聲品質(zhì)理論應(yīng)用研究的文獻(xiàn)概述 |
| 1.3.1 聲品質(zhì)客觀評(píng)價(jià)的國內(nèi)外研究現(xiàn)狀綜述 |
| 1.3.2 聲品質(zhì)主觀評(píng)價(jià)的國內(nèi)外研究現(xiàn)狀綜述 |
| 1.4 研究動(dòng)態(tài)總結(jié)與分析 |
| 1.5 論文的主要研究?jī)?nèi)容 |
| 第二章 矩形結(jié)構(gòu)形式工程機(jī)械駕駛室的全局聲振耦合特性分析 |
| 2.1 概述 |
| 2.2 矩形結(jié)構(gòu)聲腔系統(tǒng)的聲振耦合基礎(chǔ)理論 |
| 2.3 彈性板與矩形聲腔系統(tǒng)的全局耦合特性的影響因素分析 |
| 2.3.1 不同彈性板邊界條件對(duì)矩形封閉聲腔系統(tǒng)耦合系數(shù)的影響分析 |
| 2.3.2 不同結(jié)構(gòu)參數(shù)對(duì)矩形封閉聲腔系統(tǒng)全局耦合特性的影響分析 |
| 2.3.3 不同彈性板材料對(duì)矩形封閉聲腔系統(tǒng)全局耦合特性的影響分析 |
| 2.4 結(jié)構(gòu)參數(shù)變化對(duì)矩形封閉聲腔系統(tǒng)全局耦合特性的綜合影響分析 |
| 2.4.1 不同邊界條件下結(jié)構(gòu)參數(shù)變化對(duì)封閉聲腔系統(tǒng)全局耦合特性的綜合影響 |
| 2.4.2 不同彈性板面積下結(jié)構(gòu)參數(shù)變化對(duì)封閉聲腔系統(tǒng)全局耦合特性的綜合影響 |
| 2.5 本章小結(jié) |
| 第三章 梯形結(jié)構(gòu)形式工程機(jī)械駕駛室的全局聲振耦合特性分析 |
| 3.1 概述 |
| 3.2 梯形結(jié)構(gòu)聲腔系統(tǒng)的聲振耦合理論基礎(chǔ) |
| 3.3 剛性壁面梯形聲腔模態(tài)特性的影響因素分析 |
| 3.3.1 邊界矩形聲腔模態(tài)數(shù)對(duì)梯形聲腔模態(tài)計(jì)算結(jié)果的影響分析 |
| 3.3.2 梯形聲腔斜面傾角變化對(duì)其聲腔模態(tài)共振頻率變化的影響分析 |
| 3.4 彈性板與梯形封閉聲腔系統(tǒng)的全局耦合特性的影響因素分析 |
| 3.4.1 彈性板模態(tài)與梯形聲腔模態(tài)之間的耦合條件分析 |
| 3.4.2 結(jié)構(gòu)參數(shù)變化對(duì)梯形封閉聲腔系統(tǒng)全局耦合特性的影響分析 |
| 3.5 本章小結(jié) |
| 第四章 復(fù)雜結(jié)構(gòu)形式工程機(jī)械駕駛室的全局聲振耦合特性分析 |
| 4.1 概述 |
| 4.2 復(fù)雜結(jié)構(gòu)聲腔系統(tǒng)的聲振耦合理論基礎(chǔ) |
| 4.3 剛性壁面復(fù)雜聲腔模態(tài)特性的影響因素分析 |
| 4.3.1 邊界矩形聲腔模態(tài)數(shù)對(duì)復(fù)雜結(jié)構(gòu)聲腔模態(tài)計(jì)算結(jié)果的影響分析 |
| 4.3.2 復(fù)雜聲腔斜面參數(shù)變化對(duì)其聲腔模態(tài)共振頻率變化的影響分析 |
| 4.4 彈性板與復(fù)雜封閉聲腔系統(tǒng)的全局耦合特性的影響因素分析 |
| 4.4.1 彈性板模態(tài)與復(fù)雜聲腔模態(tài)之間的耦合條件分析 |
| 4.4.2 結(jié)構(gòu)參數(shù)變化對(duì)復(fù)雜封閉聲腔系統(tǒng)全局耦合特性的影響分析 |
| 4.5 本章小結(jié) |
| 第五章 封閉聲腔耦合系統(tǒng)受激勵(lì)下的聲學(xué)響應(yīng)及噪聲控制實(shí)驗(yàn)研究 |
| 5.1 概述 |
| 5.2 封閉聲腔系統(tǒng)的有限元理論與噪聲控制理論基礎(chǔ) |
| 5.2.1 考慮吸聲材料的封閉聲腔系統(tǒng)的有限元理論基礎(chǔ) |
| 5.2.2 赫姆霍茲共振消聲器的噪聲控制理論基礎(chǔ) |
| 5.3 聲振耦合對(duì)復(fù)雜聲腔系統(tǒng)模態(tài)特性與聲學(xué)響應(yīng)的影響因素分析 |
| 5.3.1 復(fù)雜結(jié)構(gòu)聲腔耦合系統(tǒng)的有限元模型的建立 |
| 5.3.2 復(fù)雜聲腔系統(tǒng)中聲振耦合對(duì)彈性板模態(tài)固有頻率的影響 |
| 5.3.3 彈性板邊界條件對(duì)復(fù)雜聲腔系統(tǒng)聲學(xué)響應(yīng)的影響 |
| 5.3.4 彈性板厚度變化對(duì)復(fù)雜聲腔系統(tǒng)的聲學(xué)響應(yīng)的影響 |
| 5.4 封閉聲腔系統(tǒng)的聲場(chǎng)影響因素分析及低頻噪聲控制的實(shí)驗(yàn)驗(yàn)證 |
| 5.4.1 實(shí)驗(yàn)測(cè)試系統(tǒng)的搭建 |
| 5.4.2 不考慮內(nèi)飾影響的封閉聲腔聲場(chǎng)受激勵(lì)下的聲學(xué)響應(yīng) |
| 5.4.3 考慮駕駛室座椅影響的封閉聲腔聲場(chǎng)受激勵(lì)下的聲學(xué)響應(yīng) |
| 5.4.4 考慮吸聲材料影響的封閉聲腔聲場(chǎng)受激勵(lì)下的聲學(xué)響應(yīng) |
| 5.4.5 赫姆霍茲共振器在封閉聲腔系統(tǒng)中應(yīng)用的可行性分析 |
| 5.4.6 壁面通孔對(duì)彈性板矩形聲腔系統(tǒng)聲學(xué)響應(yīng)的影響分析 |
| 5.5 本章小結(jié) |
| 第六章 工程機(jī)械噪聲的聲品質(zhì)主觀評(píng)價(jià)模型與分析研究 |
| 6.1 概述 |
| 6.2 心理聲學(xué)及聲品質(zhì)理論基礎(chǔ) |
| 6.2.1 掩蔽效應(yīng)與特征頻帶 |
| 6.2.2 聲品質(zhì)客觀評(píng)價(jià)指標(biāo) |
| 6.3 聲品質(zhì)主觀評(píng)價(jià)模型研究流程 |
| 6.4 聲品質(zhì)主觀評(píng)價(jià)方法研究 |
| 6.5 工程機(jī)械駕駛室聲品質(zhì)評(píng)價(jià)主觀實(shí)驗(yàn)設(shè)計(jì) |
| 6.5.1 評(píng)價(jià)樣本的采集 |
| 6.5.2 評(píng)價(jià)人員的情況 |
| 6.5.3 評(píng)價(jià)詞匯的選擇 |
| 6.5.4 成對(duì)比較法的實(shí)驗(yàn)設(shè)計(jì) |
| 6.5.5 聲品質(zhì)主觀評(píng)價(jià)實(shí)驗(yàn) |
| 6.6 工程機(jī)械駕駛室聲品質(zhì)主客觀評(píng)價(jià)結(jié)果分析 |
| 6.6.1 聲品質(zhì)客觀參量計(jì)算分析 |
| 6.6.2 聲品質(zhì)的客觀評(píng)價(jià)分析 |
| 6.6.3 聲品質(zhì)主觀評(píng)價(jià)數(shù)據(jù)分析 |
| 6.7 工程機(jī)械駕駛室聲品質(zhì)主觀評(píng)價(jià)的建模研究 |
| 6.8 本章小結(jié) |
| 第七章 研究工作總結(jié)與展望 |
| 7.1 研究工作總結(jié) |
| 7.2 研究不足與展望 |
| 致謝 |
| 博士學(xué)習(xí)期間參與的課題及研究成果 |
| 附錄 |
| 參考文獻(xiàn) |
（6）基于神經(jīng)網(wǎng)絡(luò)的直流電機(jī)在線故障診斷研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 研究目的和意義 |
| 1.2 國內(nèi)外電機(jī)故障診斷研究現(xiàn)狀 |
| 1.2.1 國外電機(jī)故障診斷研究現(xiàn)狀 |
| 1.2.2 國內(nèi)電機(jī)故障診斷研究現(xiàn)狀 |
| 1.3 直流電機(jī)在線故障診斷技術(shù)的發(fā)展方向及前景 |
| 1.4 本文主要研究?jī)?nèi)容 |
| 第二章 神經(jīng)網(wǎng)絡(luò)及其優(yōu)化理論分析 |
| 2.1 BP神經(jīng)網(wǎng)絡(luò)模型及其學(xué)習(xí)算法 |
| 2.1.1 BP神經(jīng)網(wǎng)絡(luò)原理及其學(xué)習(xí)算法 |
| 2.1.2 BP算法分析 |
| 2.2 BP神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元數(shù)的優(yōu)化 |
| 2.2.1 BP神經(jīng)網(wǎng)絡(luò)隱含層的作用 |
| 2.2.2 隱含層神經(jīng)元數(shù)對(duì)網(wǎng)絡(luò)的影響及其經(jīng)驗(yàn)選取方法 |
| 2.3 灰色關(guān)聯(lián)分析理論研究 |
| 2.3.1 灰色關(guān)聯(lián)分析的原理 |
| 2.3.2 灰色關(guān)聯(lián)度的計(jì)算 |
| 2.4 基于灰色關(guān)聯(lián)分析的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化 |
| 2.4.1 灰色關(guān)聯(lián)分析優(yōu)化BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)原理分析 |
| 2.4.2 灰色關(guān)聯(lián)分析理論優(yōu)化BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型 |
| 2.5 本章小結(jié) |
| 第三章 直流電機(jī)故障特征分析和故障分類 |
| 3.1 前言 |
| 3.2 直流電機(jī)故障診斷特征參量分析 |
| 3.2.1 直流電機(jī)空載時(shí)電樞電流分析 |
| 3.2.2 直流電機(jī)負(fù)載時(shí)電樞電流分析 |
| 3.2.3 直流電機(jī)電樞電流諧波分析 |
| 3.3 直流電機(jī)故障分類 |
| 3.3.1 電樞故障 |
| 3.3.2 勵(lì)磁故障 |
| 3.3.3 換向故障 |
| 3.3.4 機(jī)械故障 |
| 3.4 本章小結(jié) |
| 第四章 直流電機(jī)故障仿真分析 |
| 4.1 直流電機(jī)正常狀態(tài)仿真分析 |
| 4.2 直流電機(jī)單個(gè)故障狀態(tài)仿真分析 |
| 4.2.1 電樞故障仿真分析 |
| 4.2.2 勵(lì)磁故障仿真分析 |
| 4.2.3 換向故障仿真分析 |
| 4.2.4 機(jī)械故障仿真分析 |
| 4.2.5 直流電機(jī)四類故障狀態(tài)綜合分析 |
| 4.3 直流電機(jī)多重故障狀態(tài)仿真分析 |
| 4.4 直流電機(jī)故障診斷模型抗擾動(dòng)仿真分析 |
| 4.5 本章小結(jié) |
| 第五章 直流電機(jī)實(shí)際故障機(jī)理分析舉例 |
| 5.1 電樞故障機(jī)理分析 |
| 5.2 勵(lì)磁故障機(jī)理分析 |
| 5.3 換向故障機(jī)理分析 |
| 5.4 機(jī)械故障機(jī)理分析 |
| 5.5 本章小結(jié) |
| 第六章 直流電機(jī)故障診斷模型訓(xùn)練和診斷結(jié)果 |
| 6.1 直流電機(jī)故障診斷模型參數(shù)的確定 |
| 6.1.1 訓(xùn)練樣本的選取 |
| 6.1.2 輸入輸出層的確定 |
| 6.1.3 樣本數(shù)據(jù)的預(yù)處理 |
| 6.1.4 選擇激活函數(shù) |
| 6.2 負(fù)載擾動(dòng)診斷結(jié)果 |
| 6.2.1 負(fù)載擾動(dòng)下優(yōu)化前網(wǎng)絡(luò)訓(xùn)練和診斷結(jié)果 |
| 6.2.2 負(fù)載擾動(dòng)下BP神經(jīng)網(wǎng)絡(luò)的灰色關(guān)聯(lián)分析優(yōu)化 |
| 6.2.3 負(fù)載擾動(dòng)下優(yōu)化后網(wǎng)絡(luò)訓(xùn)練和診斷結(jié)果 |
| 6.3 電樞故障診斷結(jié)果 |
| 6.4 勵(lì)磁故障診斷結(jié)果 |
| 6.5 換向故障診斷結(jié)果 |
| 6.6 機(jī)械故障診斷結(jié)果 |
| 6.7 本章小結(jié) |
| 結(jié)論與展望 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間取得的研究成果 |
| 致謝 |
| 附件 |
（7）電力機(jī)車主變壓器故障診斷技術(shù)研究（論文提綱范文）
| 摘要 |
| Abstract |
| 1 緒論 |
| 1.1 課題研究的意義 |
| 1.2 機(jī)車主變壓器概述 |
| 1.3 機(jī)車主變壓器的特點(diǎn) |
| 1.4 機(jī)車主變壓器的故障類型 |
| 1.5 國內(nèi)外相關(guān)技術(shù)的發(fā)展現(xiàn)狀 |
| 1.5.1 變壓器鐵芯和繞組變形故障診斷 |
| 1.5.2 變壓器絕緣材料缺陷的故障診斷 |
| 1.5.3 電力機(jī)車主變壓器型式試驗(yàn) |
| 1.6 本課題的主要研究思路 |
| 1.7 課題來源及本文的結(jié)構(gòu) |
| 2 機(jī)車主變壓器振動(dòng)信號(hào)特性研究 |
| 2.1 機(jī)車主變壓器油箱振動(dòng)信號(hào)的來源 |
| 2.1.1 機(jī)車主變壓器油箱振動(dòng)信號(hào)的來源 |
| 2.1.2 機(jī)車主變壓器油箱振動(dòng)信號(hào)測(cè)量位置的選擇 |
| 2.2 機(jī)車主變壓器繞組振動(dòng)特性研究 |
| 2.2.1 機(jī)車主變壓器繞組的軸向動(dòng)態(tài)結(jié)構(gòu)模型 |
| 2.2.2 機(jī)車主變壓器繞組的電磁力的計(jì)算 |
| 2.2.3 機(jī)車主變壓器繞組軸向振動(dòng)加速度 |
| 2.2.4 繞組軸向振動(dòng)加速度與預(yù)緊力的關(guān)系 |
| 2.3 機(jī)車主變壓器鐵芯振動(dòng)特性研究 |
| 2.3.1 機(jī)車主變壓器鐵芯振動(dòng)的機(jī)理 |
| 2.3.2 機(jī)車主變壓器鐵芯狀態(tài)對(duì)振動(dòng)信號(hào)的影響 |
| 2.4 本章小結(jié) |
| 3 基于振動(dòng)信號(hào)的機(jī)車主變壓器故障診斷技術(shù)研究 |
| 3.1 機(jī)車主變壓器的基本結(jié)構(gòu) |
| 3.1.1 電力機(jī)車用主變壓器的總體結(jié)構(gòu) |
| 3.1.2 電力機(jī)車用主變壓器的線圈繞組 |
| 3.1.3 電力機(jī)車用主變壓器的鐵芯 |
| 3.1.4 電力機(jī)車用主變壓器的其他附屬設(shè)施 |
| 3.2 機(jī)車主變壓器繞組的有限元仿真分析 |
| 3.2.1 多物理場(chǎng)耦合有限元仿真概述 |
| 3.2.2 機(jī)車主變壓器繞組的電磁場(chǎng)耦合 |
| 3.2.3 機(jī)車主變壓器繞組的有限元仿真 |
| 3.3 基于振動(dòng)信號(hào)的機(jī)車主變壓器故障診斷算法 |
| 3.3.1 機(jī)車主變壓器鐵芯振動(dòng)信號(hào)的特點(diǎn) |
| 3.3.2 小波神經(jīng)網(wǎng)絡(luò)概述 |
| 3.3.3 混合粒子群優(yōu)化算法(HPSO) |
| 3.3.4 基于HPSO-WNN的機(jī)車主變壓故障診斷算法 |
| 3.4 本章小結(jié) |
| 4 基于DGA數(shù)據(jù)的機(jī)車主變壓器故障診斷技術(shù)研究 |
| 4.1 油中溶解氣體(DGA)算法 |
| 4.1.1 DGA算法的基本原理 |
| 4.1.2 基于DGA的故障診斷算法 |
| 4.2 DGA技術(shù)在機(jī)車主變壓器故障診斷中的應(yīng)用研究 |
| 4.2.1 機(jī)車主變壓器DGA故障診斷方法基本流程的研究 |
| 4.2.2 機(jī)車主變壓器DGA故障診斷應(yīng)用實(shí)例 |
| 4.3 自組織RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法 |
| 4.3.1 RBF神經(jīng)網(wǎng)絡(luò)概述 |
| 4.3.2 模糊C值聚類算法 |
| 4.3.3 Gaussian隨機(jī)分布PSO算法 |
| 4.3.4 自組織RBF網(wǎng)絡(luò)訓(xùn)練算法的流程 |
| 4.3.5 自組織RBF網(wǎng)絡(luò)訓(xùn)練算法測(cè)試 |
| 4.4 自組織RBF網(wǎng)絡(luò)訓(xùn)練算法的應(yīng)用 |
| 4.4.1 自組織RBF神經(jīng)網(wǎng)絡(luò)在牽引變壓器故障診斷中的應(yīng)用 |
| 4.4.2 測(cè)試結(jié)果分析 |
| 4.5 本章小總結(jié) |
| 5 機(jī)車主變壓器綜合測(cè)試及故障診斷系統(tǒng)研制 |
| 5.1 機(jī)車主變壓器綜合測(cè)試及故障診斷系統(tǒng)的設(shè)計(jì)依據(jù) |
| 5.1.1 機(jī)車主變壓器型式試驗(yàn)的主要內(nèi)容 |
| 5.1.2 機(jī)車主變壓器故障檢修中存在的問題 |
| 5.1.3 系統(tǒng)主要技術(shù)特點(diǎn) |
| 5.2 機(jī)車主變壓器綜合測(cè)試及故障診斷系統(tǒng)的硬件設(shè)計(jì) |
| 5.2.1 綜合測(cè)試及故障診斷系統(tǒng)的總體設(shè)計(jì) |
| 5.2.2 各子系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn) |
| 5.2.3 系統(tǒng)抗干擾設(shè)計(jì) |
| 5.3 機(jī)車主變壓器綜合測(cè)試及故障診斷系統(tǒng)的軟件設(shè)計(jì) |
| 5.3.1 系統(tǒng)的PLC程序設(shè)計(jì) |
| 5.3.2 系統(tǒng)主程序設(shè)計(jì) |
| 5.3.3 故障診斷程序設(shè)計(jì) |
| 5.4 本章小結(jié) |
| 6 總結(jié) |
| 參考文獻(xiàn) |
| 攻讀學(xué)位期間主要的研究成果目錄 |
| 致謝 |
（8）電子信息系統(tǒng)電磁兼容維護(hù)關(guān)鍵技術(shù)研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 研究背景和選題意義 |
| 1.1.1 研究背景和需求分析 |
| 1.1.2 選題意義和應(yīng)用價(jià)值 |
| 1.2 國內(nèi)外研究發(fā)展?fàn)顩r |
| 1.2.1 電磁兼容管理 |
| 1.2.2 電磁兼容測(cè)試技術(shù)與系統(tǒng) |
| 1.2.3 電磁兼容分析和預(yù)測(cè) |
| 1.3 主要工作和論文結(jié)構(gòu) |
| 1.3.1 研究?jī)?nèi)容和創(chuàng)新點(diǎn) |
| 1.3.2 論文的結(jié)構(gòu)安排 |
| 第二章 電磁兼容維護(hù)的基本問題分析 |
| 2.1 裝備的維護(hù)與故障預(yù)測(cè) |
| 2.1.1 電子信息系統(tǒng)的維護(hù)與保障 |
| 2.1.2 故障預(yù)測(cè)和健康管理 |
| 2.2 電磁兼容可靠性與故障診斷 |
| 2.2.1 電磁兼容可靠性 |
| 2.2.2 電磁兼容故障診斷 |
| 2.3 電磁兼容模型綜合 |
| 2.3.1 電磁兼容模型綜合的概念與內(nèi)涵 |
| 2.3.2 電磁兼容測(cè)試數(shù)據(jù)預(yù)處理 |
| 2.4 電磁兼容維護(hù) |
| 2.4.1 電磁兼容維護(hù)及其預(yù)知性 |
| 2.4.2 電磁兼容維護(hù)效果評(píng)估 |
| 第三章 電磁兼容維護(hù)的數(shù)據(jù)獲取與分析技術(shù) |
| 3.1 電磁兼容測(cè)試與處理方法 |
| 3.1.1 電磁兼容測(cè)試技術(shù)與方法 |
| 3.1.2 電磁兼容現(xiàn)場(chǎng)測(cè)試與處理 |
| 3.2 電磁信號(hào)接收的寬帶補(bǔ)償技術(shù) |
| 3.3 復(fù)雜系統(tǒng)電磁兼容分析方法 |
| 3.3.1 電磁兼容分析和預(yù)測(cè)方法 |
| 3.3.2 基于電磁拓?fù)涞母蓴_信號(hào)傳播分析方法 |
| 第四章 電磁兼容性能預(yù)知性維護(hù)算法 |
| 4.1 統(tǒng)計(jì)分析方法研究與設(shè)計(jì) |
| 4.1.1 統(tǒng)計(jì)回歸算法分析 |
| 4.1.2 統(tǒng)計(jì)分析方法的實(shí)用化設(shè)計(jì) |
| 4.1.3 雷達(dá)輻射數(shù)據(jù)的統(tǒng)計(jì)分析 |
| 4.2 神經(jīng)網(wǎng)絡(luò)方法研究及預(yù)測(cè)應(yīng)用 |
| 4.2.1 神經(jīng)網(wǎng)絡(luò)算法分析 |
| 4.2.2 基于神經(jīng)網(wǎng)絡(luò)的電磁輻射特性預(yù)測(cè) |
| 4.3 群體智能仿生算法分析 |
| 4.3.1 人工蜂群算法及其應(yīng)用 |
| 4.3.2 人工魚群算法分析 |
| 4.4 模糊數(shù)學(xué)及電磁兼容性能預(yù)測(cè)應(yīng)用 |
| 4.4.1 模糊數(shù)學(xué)的思想與方法 |
| 4.4.2 基于模糊技術(shù)的電磁兼容模型綜合 |
| 4.5 預(yù)測(cè)算法混合設(shè)計(jì)與分析 |
| 4.5.1 模糊數(shù)學(xué)與神經(jīng)網(wǎng)絡(luò)的混合 |
| 4.5.2 粒子群優(yōu)化魚群算法 |
| 第五章 電磁兼容維護(hù)系統(tǒng)設(shè)計(jì)與試驗(yàn) |
| 5.1 電磁兼容維護(hù)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) |
| 5.1.1 系統(tǒng)功能與總體設(shè)計(jì) |
| 5.1.2 高性能接收組件研制 |
| 5.1.3 模型綜合子系統(tǒng)開發(fā) |
| 5.2 典型平臺(tái)電磁兼容維護(hù)試驗(yàn) |
| 5.2.1 裝備發(fā)射特性和電磁環(huán)境測(cè)試與分析 |
| 5.2.2 裝備電磁敏感特性測(cè)試與分析 |
| 第六章 結(jié)論與展望 |
| 6.1 研究工作總結(jié) |
| 6.2 后續(xù)研究展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 作者在學(xué)期間取得的學(xué)術(shù)成果 |
（9）多功能可程控電參量測(cè)量?jī)x的研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 選題的背景與意義 |
| 1.2 電參量測(cè)量?jī)x的發(fā)展歷程和現(xiàn)今狀況 |
| 1.3 本文的主要研究?jī)?nèi)容 |
| 1.4 本文的創(chuàng)新點(diǎn) |
| 第二章 多功能電參量測(cè)量?jī)x的硬件設(shè)計(jì) |
| 2.1 多功能電參量測(cè)量?jī)x的硬件設(shè)計(jì)概述 |
| 2.2 電壓、電流的調(diào)理電路 |
| 2.3 求和值電路 |
| 2.4 有效值的轉(zhuǎn)換電路 |
| 2.4.1 有效值轉(zhuǎn)換的原理 |
| 2.4.2 有效值轉(zhuǎn)換芯片的選擇 |
| 2.5 AD 轉(zhuǎn)換電路 |
| 2.5.1 AD 轉(zhuǎn)換的要求 |
| 2.5.2 AD 轉(zhuǎn)換電路的設(shè)計(jì) |
| 2.6 單片機(jī)中央處理設(shè)計(jì) |
| 2.7 鍵盤、顯示器等人機(jī)交互部分的設(shè)計(jì) |
| 2.7.1 鍵盤掃描電路 |
| 2.7.2 液晶屏幕電路 |
| 2.7.3 16C550 串口擴(kuò)展電路 |
| 2.8 本章小結(jié) |
| 第三章 多功能電參量測(cè)量?jī)x的軟件設(shè)計(jì) |
| 3.1 多功能電參量測(cè)量?jī)x程序的總體設(shè)計(jì) |
| 3.2 測(cè)量?jī)x的測(cè)量環(huán)節(jié) |
| 3.2.1 三個(gè)基本參量的測(cè)量 |
| 3.2.2 有功功率值、無功功率值、視在功率值、功率因數(shù)值的計(jì)算 |
| 3.2.3 頻率的測(cè)量 |
| 3.3 軟件校正中的幾個(gè)重點(diǎn)問題 |
| 3.3.1 浮點(diǎn)數(shù)的存儲(chǔ) |
| 3.3.2 虛擬電位器的設(shè)計(jì) |
| 3.3.3 迪文液晶顯示器顯示指令的設(shè)計(jì) |
| 3.4 本章小結(jié) |
| 第四章 多功能電參量測(cè)量?jī)x的校正算法研究 |
| 4.1 線性插值法校正電參量測(cè)量值 |
| 4.1.1 基本的線性插值法 |
| 4.1.2 雙線性插值法 |
| 4.1.3 電壓、電流、頻率的雙線性插值法校正 |
| 4.1.4 線性插值法小結(jié) |
| 4.2 空間坐標(biāo)系內(nèi)多線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設(shè)計(jì) |
| 4.2.2 有功功率的空間坐標(biāo)系內(nèi)多線性映射校正計(jì)算 |
| 4.3 指標(biāo)測(cè)試和考核 |
| 4.4 本章小結(jié) |
| 第五章 多功能電參量測(cè)量?jī)x的網(wǎng)絡(luò)化設(shè)計(jì) |
| 5.1 網(wǎng)絡(luò)化設(shè)計(jì)概述 |
| 5.1.1 儀表網(wǎng)絡(luò)化與 LXI 總線技術(shù) |
| 5.1.2 虛擬儀器思想與接入物聯(lián)網(wǎng)的擴(kuò)展 |
| 5.2 網(wǎng)絡(luò)化硬件設(shè)計(jì) |
| 5.2.1 以太網(wǎng)的相關(guān)芯片 |
| 5.2.2 網(wǎng)絡(luò)接口模塊的應(yīng)用 |
| 5.3 網(wǎng)絡(luò)化指令的發(fā)送與軟件設(shè)計(jì) |
| 5.3.1 網(wǎng)絡(luò)化指令的發(fā)送 |
| 5.3.2 指令的設(shè)計(jì)與符合 SCPI 規(guī)則的指令 |
| 5.4 本章小結(jié) |
| 第六章 結(jié)論與展望 |
| 6.1 結(jié)論 |
| 6.2 展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 研究成果及發(fā)表的學(xué)術(shù)論文 |
| 作者與導(dǎo)師簡(jiǎn)介 |
| 附錄 |
（10）基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的中頻電參量測(cè)試儀的設(shè)計(jì)（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 課題的研究背景及意義 |
| 1.1.1 課題的來源 |
| 1.1.2 課題的研究目的和意義 |
| 1.2 功率測(cè)量的主要方法 |
| 1.2.1 熱電式的功率測(cè)量方法 |
| 1.2.2 霍爾效應(yīng)式的功率測(cè)量方法 |
| 1.2.3 數(shù)字采樣功率測(cè)量方法 |
| 1.2.4 時(shí)分割乘法式的功率測(cè)量方法 |
| 1.3 課題的研究方案 |
| 1.4 課題的主要研究?jī)?nèi)容 |
| 第二章 基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的總體測(cè)量方案 |
| 2.1 電參量測(cè)量的數(shù)學(xué)模型 |
| 2.2 測(cè)試儀的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) |
| 2.3 硬件電路方案 |
| 2.4 數(shù)值處理公式 |
| 2.5 系統(tǒng)誤差校正方法 |
| 第三章 功率測(cè)量及硬件電路 |
| 3.1 功率測(cè)量電路原理 |
| 3.2 電壓輸入調(diào)理電路的設(shè)計(jì) |
| 3.3 電流輸入調(diào)理電路的設(shè)計(jì) |
| 3.4 電壓電流求和放大調(diào)理電路的設(shè)計(jì) |
| 3.5 有效值轉(zhuǎn)換電路的設(shè)計(jì) |
| 3.5.1 精密整流電路的設(shè)計(jì) |
| 3.5.2 對(duì)數(shù)反對(duì)數(shù)有效值轉(zhuǎn)換電路的設(shè)計(jì) |
| 3.6 A/D 轉(zhuǎn)換電路的設(shè)計(jì) |
| 3.7 功率計(jì)算公式 |
| 第四章 電壓電流頻率測(cè)量及單片機(jī)接口電路 |
| 4.1 電壓測(cè)量原理 |
| 4.2 電流測(cè)量原理 |
| 4.3 頻率測(cè)量 |
| 4.3.1 測(cè)量電路的原理 |
| 4.3.2 分頻系數(shù)的計(jì)算與最佳選取 |
| 4.3.3 硬件電路的實(shí)現(xiàn) |
| 4.3.4 軟件的設(shè)計(jì) |
| 4.4 單片機(jī) 89C52 的接口電路設(shè)計(jì) |
| 4.4.1 X25045 芯片 |
| 4.4.2 74LS373 芯片 |
| 4.4.3 外部晶振電路 |
| 4.4.4 CD4094 芯片 |
| 4.5 鍵盤與 LED 顯示電路 |
| 4.6 LCD 顯示電路 |
| 第五章 儀器軟件的設(shè)計(jì) |
| 5.1 儀器功能 |
| 5.2 儀器的主程序結(jié)構(gòu) |
| 5.3 校正系數(shù)讀入程序模塊 |
| 5.4 初始化程序模塊 |
| 5.4.1 全局變量的初始化 |
| 5.4.2 單片機(jī)的定時(shí)、中斷初始化程序模塊 |
| 5.4.3 LCD 的初始化程序模塊 |
| 5.4.4 鍵盤與顯示接口芯片 8279 的初始化程序模塊 |
| 5.5 量程切換程序模塊 |
| 5.6 LED 顯示程序模塊 |
| 5.7 鍵盤程序模塊 |
| 5.7.1 按鍵查詢讀取程序模塊 |
| 5.7.2 鍵值服務(wù)程序模塊 |
| 5.8 自動(dòng)量程程序模塊 |
| 5.9 狀態(tài)編程(PRO)程序模塊 |
| 5.10 校正(CAL)程序模塊 |
| 5.11 量程遞增程序模塊 |
| 5.12 量程遞減程序模塊 |
| 5.13 移位鍵程序模塊 |
| 5.14 讀寫 X25045 存儲(chǔ)器程序模塊 |
| 5.15 中斷程序模塊 |
| 5.16 其它子程序模塊 |
| 5.16.1 數(shù)據(jù)轉(zhuǎn)換模塊 |
| 5.16.2 量程數(shù)據(jù)顯示模塊 |
| 5.16.3 電壓電流值顯示模塊 |
| 5.16.4 頻率值顯示模塊 |
| 5.16.5 功率因數(shù)顯示模塊 |
| 第六章 儀器誤差校正及測(cè)試結(jié)果 |
| 6.1 誤差校正的幾種方法 |
| 6.1.1 傳統(tǒng)的二元函數(shù)插值法 |
| 6.1.2 變系數(shù)回歸法 |
| 6.1.3 數(shù)據(jù)融合方法 |
| 6.1.4 數(shù)據(jù)驗(yàn)證比較 |
| 6.2 一種改進(jìn)的二元函數(shù)分段插值誤差校準(zhǔn)方法 |
| 6.2.1 方法的由來 |
| 6.2.2 函數(shù) h1(u)的實(shí)現(xiàn) |
| 6.2.3 函數(shù) h2(f)的實(shí)現(xiàn) |
| 6.2.4 數(shù)據(jù)驗(yàn)證 |
| 6.3 測(cè)試數(shù)據(jù)和結(jié)果 |
| 結(jié) 論 |
| 參考文獻(xiàn) |
| 致 謝 |
| 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄 |
四、基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的中頻電參量測(cè)試儀的設(shè)計(jì)（論文參考文獻(xiàn)）
- [1]基于聲發(fā)射信號(hào)處理的風(fēng)力機(jī)葉片損傷演化研究[D]. 張亞楠. 沈陽工業(yè)大學(xué), 2020
- [2]基于組合神經(jīng)網(wǎng)絡(luò)模型的MOSEFT健康狀態(tài)評(píng)估系統(tǒng)研究[D]. 趙元沛. 重慶大學(xué), 2019
- [3]動(dòng)力電池組健康狀態(tài)監(jiān)測(cè)和壽命預(yù)測(cè)的研究[D]. 夏克剛. 溫州大學(xué), 2019(01)
- [4]基于深度學(xué)習(xí)的電主軸軸承故障診斷方法研究[D]. 丁健華. 沈陽建筑大學(xué), 2019(05)
- [5]工程機(jī)械駕駛室全局聲振耦合特性分析與聲品質(zhì)評(píng)價(jià)研究[D]. 薛飛. 東南大學(xué), 2018
- [6]基于神經(jīng)網(wǎng)絡(luò)的直流電機(jī)在線故障診斷研究[D]. 成振華. 華南理工大學(xué), 2017(06)
- [7]電力機(jī)車主變壓器故障診斷技術(shù)研究[D]. 付強(qiáng). 中南大學(xué), 2013(02)
- [8]電子信息系統(tǒng)電磁兼容維護(hù)關(guān)鍵技術(shù)研究[D]. 李高升. 國防科學(xué)技術(shù)大學(xué), 2013(11)
- [9]多功能可程控電參量測(cè)量?jī)x的研究[D]. 盧軼楠. 北京化工大學(xué), 2012(10)
- [10]基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的中頻電參量測(cè)試儀的設(shè)計(jì)[D]. 朱雪枝. 北京化工大學(xué), 2004(01)
標(biāo)簽：電磁兼容論文; 故障診斷論文; 電主軸論文; 神經(jīng)網(wǎng)絡(luò)算法論文; 主變壓器論文;