基于微粒群優(yōu)化的感應(yīng)電動機(jī)定轉(zhuǎn)子故障檢測與識別

1 緒論
1．1 研究的目的和意義
1．2 感應(yīng)電動機(jī)定、轉(zhuǎn)子故障診斷技術(shù)的研究現(xiàn)狀
1．3 微粒群優(yōu)化算法及其在故障診斷中的應(yīng)用
1．4 本書的主要研究內(nèi)容
1．5 本書約定
2 基于單純形法和改進(jìn)骨干微粒群算法的混合優(yōu)化算法
2．1 研究背景
2．2 骨干微粒群算法和單純形法
2．3 改進(jìn)的骨干微粒群算法
2．4 基于單純形法和改進(jìn)骨干微粒群算法的混合優(yōu)化算法
2．5 收斂性分析
2．6 復(fù)雜度分析
2．7 實驗及分析
2．8 本章小結(jié)
3 基于混合骨干微粒群算法的感應(yīng)電動機(jī)轉(zhuǎn)子斷條故障檢測
3．1 研究背景
3．2 轉(zhuǎn)子斷條故障特征的機(jī)理分析
3．3 基于混合骨干微粒群算法的基波濾除方法
3．4 實驗及分析
3．5 本章小結(jié)
4 基于混合骨干微粒群算法的感應(yīng)電動機(jī)定子故障檢測
4．1 研究背景
4．2 基于SM-MBBPSO和小波包的感應(yīng)電動機(jī)定子故障檢測方法
4．3 基于SM-MBBPSO算法提取正、負(fù)序相量的感應(yīng)電機(jī)定子故障檢測方法
4．4 本章小結(jié)
5 基于混合骨干微粒群算法和支持向量機(jī)的感應(yīng)電動機(jī)定、轉(zhuǎn)子故障識別
5．1 研究背景
5．2 支持向量機(jī)
5．3 混合骨干微粒群算法優(yōu)化支持向量機(jī)參數(shù)
5．4 基于SM-MBBPSO和SVM的定、轉(zhuǎn)子故障識別方法
5．5 實驗及分析
5．6 本章小結(jié)
6 總結(jié)與展望
6．1 全書總結(jié)
6．2 下一步研究工作的展望
參考文獻(xiàn)