数据融合驱动电气设备故障的智能诊断PDF|Epub|txt|kindle电子书版本网盘下载

数据融合驱动电气设备故障的智能诊断PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 引言1

1.1.1 故障诊断技术的国内外研究现状1

1.1.2 故障诊断技术的经济效益2

1.2 故障诊断技术的常用术语及基本内容3

1.2.1 故障诊断技术的常用术语3

1.2.2 故障诊断技术的基本内容4

1.3 数据驱动故障诊断的方法与分类6

1.3.1 定性分析的方法7

1.3.2 基于解析模型的方法8

1.3.3 基于数据驱动的方法9

1.4 电气设备故障诊断技术及热点问题11

1.4.1 电气设备概述11

1.4.2 电气设备故障诊断技术现状11

1.4.3 电气设备状态监测与故障诊断12

1.5 电气设备故障诊断数据驱动与人工智能技术13

1.5.1 电气设备故障诊断涉及的学科领域13

1.5.2 电气设备故障诊断中的重要环节13

1.5.3 电气设备故障诊断系统14

1.5.4 电气设备故障诊断技术的应用15

1.6 故障诊断技术的发展趋势16

1.6.1 应用故障诊断技术的优势16

1.6.2 故障诊断技术的发展方向16

参考文献17

第2章 电气设备故障及常规诊断方法21

2.1 电气绝缘的基本知识21

2.1.1 电介质及介质的击穿21

2.1.2 绝缘材料老化22

2.2 电气设备的主要类型及工作制24

2.2.1 电磁基本定律和电机主要类型24

2.2.2 电动机工作制25

2.2.3 电动机运行条件26

2.3 电气设备检测的常规方法26

2.3.1 利用人的感官检查设备故障26

2.3.2 故障检测装置及其使用方法29

2.4 电力变压器故障及常规诊断方法35

2.4.1 变压器的基本工作原理和结构35

2.4.2 变压器的数学模型37

2.4.3 变压器的故障检测39

2.5 异步电动机故障及常规诊断方法43

2.5.1 三相异步电动机工作原理43

2.5.2 异步电动机机械特性45

2.5.3 异步电动机的数学模型45

2.5.4 异步电动机故障机理47

2.5.5 异步电动机的故障检测48

2.6 同步发电机故障及常规诊断方法50

2.6.1 同步发电机50

2.6.2 同步发电机的故障检测52

参考文献54

第3章 基于主元分析的故障诊断及应用技术55

3.1 引言55

3.2 主元分析56

3.2.1 主元分析建模的方法56

3.2.2 主元分析的性质58

3.2.3 主元子空间和残差子空间58

3.2.4 多尺度主元分析61

3.3 基于PCA故障检测72

3.3.1 基于传统贡献图的故障诊断技术74

3.3.2 基于传感器有效度指标的故障诊断技术75

3.3.3 基于重构贡献图的故障诊断技术75

3.3.4 PCA方法及其在故障诊断中的应用76

参考文献81

第4章 基于神经网络的故障诊断及应用技术84

4.1 引言84

4.1.1 神经网络的发展84

4.1.2 神经网络的特点及功能86

4.2 神经网络基础88

4.2.1 神经网络原理88

4.2.2 神经网络学习规则89

4.3 BP神经网络90

4.3.1 BP神经网络的前向计算90

4.3.2 BP神经网络加权系数的调整规则91

4.3.3 BP学习算法计算步骤及注意事项93

4.4 RBF神经网络93

4.4.1 RBF神经网络概述93

4.4.2 RBF神经网络模型94

4.4.3 RBF网络的学习方法95

4.4.4 BRF学习算法的改进96

4.5 神经网络方法在故障诊断中的应用98

4.5.1 BP神经网络在故障诊断中的应用99

4.5.2 RBF神经网络在故障诊断中的应用107

参考文献111

第5章 基于证据理论的故障诊断及应用技术113

5.1 引言113

5.1.1 证据理论的发展概况113

5.1.2 证据理论的应用115

5.1.3 证据冲突的问题116

5.2 D-S证据理论118

5.2.1 识别框架与基本信任分配函数118

5.2.2 信任函数、众信度函数与似然函数119

5.2.3 函数的几何意义123

5.2.4 证据理论的合成规则123

5.3 D-S证据理论故障检测127

5.3.1 概率分配函数127

5.3.2 基于基本概率赋值的决策129

5.4 D-S证据理论方法及在故障诊断中的应用129

5.4.1 电动执行器故障129

5.4.2 电动执行器故障实验132

5.4.3 电动执行器故障诊断系统设计133

参考文献138

第6章 基于支持向量机的故障诊断及应用技术140

6.1 引言140

6.1.1 机器学习的基本问题140

6.1.2 支持向量机的研究现状141

6.2 支持向量机的理论基础144

6.2.1 支持向量机的基本原理144

6.2.2 支持向量机的特点148

6.2.3 基于支持向量机故障诊断的基本步骤149

6.3 基于支持向量机的故障诊断方法149

6.3.1 最小二乘支持向量机的故障诊断方法150

6.3.2 基于多类分类支持向量机的故障诊断方法151

6.4 支持向量机在故障诊断中的应用153

6.4.1 支持向量机在电机故障诊断中的应用153

6.4.2 基于独立主成分分析的支持向量机在交流电机故障诊断中的应用154

6.4.3 最小二乘支持向量机在变压器故障诊断中的应用159

6.4.4 基于K-均值聚类的支持向量机在变压器故障诊断中的应用161

参考文献163

第7章 基于小波分析的故障诊断及应用技术167

7.1 引言167

7.2 小波分析167

7.2.1 傅里叶变换到小波分析167

7.2.2 连续小波变换171

7.2.3 离散小波变换173

7.2.4 小波包177

7.3 小波分析故障检测181

7.3.1 李普西兹指数的定义181

7.3.2 基于连续小波变换的极值点进行故障检测182

7.4 小波分析方法及在故障诊断中的应用183

7.4.1 电机故障的小波分析183

7.4.2 电机故障的振动与噪声分析186

7.4.3 电动机转子断条小波诊断191

参考文献196

第8章 基于信息融合的故障诊断及应用技术199

8.1 引言199

8.1.1 信息融合技术的国内外研究现状分析199

8.1.2 信息融合技术在工程领域中的应用200

8.1.3 信息融合技术潜在能力及发展方向200

8.2 信息融合技术201

8.2.1 信息融合理论基础201

8.2.2 信息融合系统的结构模型和功能模型202

8.2.3 信息融合技术方法205

8.3 状态估计理论基础206

8.3.1 离散系统卡尔曼最优预测基本方程206

8.3.2 离散系统卡尔曼最优滤波基本方程207

8.4 多尺度系统理论208

8.5 信息融合故障诊断方法及应用210

8.5.1 多传感器状态／参数融合估计210

8.5.2 基于强跟踪滤波器的变压器故障在线诊断221

8.5.3 异步信息融合故障模型227

8.5.4 基于智能技术的故障诊断方法230

参考文献237