学位论文 > 优秀研究生学位论文题录展示
电力电子电路故障预测关键技术研究
作 者: 孙凤艳
导 师: 王友仁
学 校: 南京航空航天大学
专 业: 测试计量技术及仪器
关键词: 电力电子电路 故障预测技术 电解电容器 特征提取 参数辨识 预测算法
分类号: TM1
类 型: 硕士论文
年 份: 2010年
下 载: 319次
引 用: 2次
阅 读: 论文下载
内容摘要
随着航空、航天事业的不断发展及其安全性、可靠性要求的提高,作为提高安全性的有效手段,飞机健康管理技术得到越来越多的关注。飞机电源系统故障预测是飞机健康管理重要组成部分,而飞机电源系统的故障预测的关键在于对电力电子电路的故障预测,因此对电力电子电路故障预测关键技术的研究具有重要的意义。本文分析了电力电子电路故障预测技术的研究意义、国内外研究现状,以及存在难点和发展趋势;介绍了电力电子器件的失效率分布及其故障模式,重点分析了失效率最高的电解电容器的主要特性;研究了基于时域分析、FFT频域分析和纹波电压近似计算的三种电解电容器特征参数提取方法,以Buck和Boost电路为例,对三种特征参数提取方法进行了验证和对比;研究了基于混杂模型、非线性最小二乘法和遗传算法的三种电力电子电路参数辨识方法,以Buck电路为例,对三种参数辨识方法进行了验证;研究了电力电子电路系统级特征参数提取方法,以Buck电路为例,对系统级特征参数提取方法进行了验证评估;研究了LS-SVM、BP神经网络、AR模型三种故障预测方法,分别实现了对电解电容器及Buck电路的故障预测;最后给出了研究工作的总结和后续工作的建议。本文的研究工作受到国家自然科学基金(60871009)与航空科学基金(2009ZD52045)的资助。
|
全文目录
摘要 4-5 ABSTRACT 5-8 图表清单 8-10 注释表 10-11 第一章 绪论 11-16 1.1 课题研究背景和意义 11-12 1.2 课题研究现状与发展趋势 12-15 1.2.1 机载电子设备故障预测研究现状 12-13 1.2.2 电力电子电路故障预测研究难点 13-14 1.2.3 电力电子电路故障预测发展趋势 14-15 1.3 本文的研究内容 15-16 第二章 电力电子器件故障模式及电解电容器特征参数分析 16-21 2.1 电力电子电路器件失效率分布及故障模式 16-17 2.2 电解电容器等效电路及特征参数分析 17-20 2.3 本章小结 20-21 第三章 电解电容器特征参数提取方法研究 21-35 3.1 电解电容器特征参数提取方法 21-24 3.1.1 时域电路分析法 21-22 3.1.2 FFT 频域分析法 22-23 3.1.3 纹波电压近似计算法 23-24 3.2 应用实例与实验结果分析 24-34 3.2.1 Buck 电路电解电容器特征参数提取 24-30 3.2.2 Boost 电路电解电容器特征参数提取 30-34 3.3 本章小结 34-35 第四章 电力电子电路参数辨识方法研究 35-51 4.1 电力电子电路建模及参数辨识方法 35-39 4.1.1 基于混杂系统理论的最小二乘参数辨识方法 35-37 4.1.2 非线性最小二乘法参数辨识方法 37-38 4.1.3 遗传算法参数辨识方法 38-39 4.2 应用实例与实验结果分析 39-50 4.2.1 Buck 电路参数辨识 39-47 4.2.2 Buck 电路参数辨识实验验证 47-50 4.3 本章小结 50-51 第五章 电力电子电路系统级特征参数提取方法研究 51-58 5.1 Buck 电路输出特性分析 51-54 5.2 Buck 电路特征参数选择方法 54-56 5.3 实验结果分析 56-57 5.4 本章小结 57-58 第六章 电力电子电路故障预测方法研究 58-77 6.1 电力电子电路故障预测思想及关键技术 58-60 6.2 电力电子电路故障预测方法 60-64 6.2.1 SVR 预测方法 60-61 6.2.2 BP 神经网络预测方法 61-62 6.2.3 AR 模型预测方法 62-64 6.3 元器件级电力电子电路故障预测实例与实验结果分析 64-68 6.4 电路级电力电子电路故障预测实例与实验结果分析 68-76 6.5 本章小结 76-77 第七章 总结与展望 77-79 7.1 本文研究工作总结 77 7.2 后续研究展望 77-79 参考文献 79-85 致谢 85-86 在学期间的研究成果及发表的学术论文 86
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于DSP的感应电机矢量控制系统研究,TM346
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
中图分类: > 工业技术 > 电工技术 > 电工基础理论
© 2012 www.xueweilunwen.com
|