国偷自产Av一区二区三区吞精,无码有码国产18p,亚洲加勒比无码中文av

內(nèi)容簡(jiǎn)介

　　《基于微粒群優(yōu)化的感應(yīng)電動(dòng)機(jī)定、轉(zhuǎn)子故障檢測(cè)與識(shí)別》包含六章內(nèi)容。第1章：概述了籠型異步電動(dòng)機(jī)定轉(zhuǎn)子故障診斷的背景和研究現(xiàn)狀，同時(shí)也介紹了微粒群優(yōu)化算法的原理、現(xiàn)狀以及在故障診斷方面的應(yīng)用。第二章：簡(jiǎn)要介紹了骨干微粒群算法和單純形法，并根據(jù)其各自特點(diǎn)利用k-均值聚類策略將二者融合形成一種新的混合微粒群算法。同時(shí)分析和研究了新算法的收斂性、復(fù)雜度以及在測(cè)試函數(shù)上的性能。第三章：分析了轉(zhuǎn)子斷條故障在定子電流中的表現(xiàn)，并給出了故障電流信號(hào)模型。根據(jù)定子電流中基波分量大的特點(diǎn)，提出了一種基于混合微粒群算法的基波濾除方法，并將其應(yīng)用于轉(zhuǎn)子斷條故障檢測(cè)。第四章：分析了定子故障對(duì)定子電流諧波和定子負(fù)序電流的影響，提出了兩種基于混合微粒群算法的定子故障檢測(cè)方法，并將其應(yīng)用于實(shí)際電機(jī)的定子故障檢測(cè)中。第五章：根據(jù)定轉(zhuǎn)子故障在電機(jī)定子電流中的特點(diǎn)，研究了故障特征提取方法。并建立了基于混合微粒群算法優(yōu)化的支持向量機(jī)故障識(shí)別系統(tǒng)，為感應(yīng)電機(jī)定轉(zhuǎn)子故障識(shí)別提供一種通用的解決方案。第六章：總結(jié)了論文的研究成果，并對(duì)進(jìn)一步工作進(jìn)行了展望。

作者簡(jiǎn)介

暫缺《基于微粒群優(yōu)化的感應(yīng)電動(dòng)機(jī)定轉(zhuǎn)子故障檢測(cè)與識(shí)別》作者簡(jiǎn)介

圖書目錄

1 緒論
1．1 研究的目的和意義
1．2 感應(yīng)電動(dòng)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?jī)?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(shí)驗(yàn)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(dòng)機(jī)轉(zhuǎn)子斷條故障檢測(cè)
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(shí)驗(yàn)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(dòng)機(jī)定子故障檢測(cè)
4．1 研究背景
4．2 基于SM-MBBPSO和小波包的感應(yīng)電動(dòng)機(jī)定子故障檢測(cè)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(cè)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(dòng)機(jī)定、轉(zhuǎn)子故障識(shí)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(shí)別方法
5．5 實(shí)驗(yàn)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)