基于卷积神经网络的船舶电力设备故障诊断任务书

 2021-09-25 20:13:37

1. 毕业设计（论文）主要内容：

有效的电子设备故障诊断是减少电力系统意外停机事故的必要技术，电子设备出现故障的同时，与其相关的数据会发生一定的改变。本课题任务是运用卷积神经网络对船舶关键设备元器件的特征数据进行分析，获得元器件故障诊断的方法。

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

2. 毕业设计（论文）主要任务及要求

1. 研究当前船舶电力设备在故障诊断方向的欠缺点，确定所要研究的指定元器件；

2、使用matlab等仿真软件建立能反映元器件工作特性的仿真模型并为研究方法停供数据；

3.通过对元器件特征数据进行卷积神经网络训练，获得能够识别其特征故障的卷积神经网络模型，并判断其诊断精度；

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

3. 毕业设计（论文）完成任务的计划与安排

1、第1~2周阅读推荐文献，并查阅国内外相关文献，完成英文文献的翻译，完成开题报告

2、第3周开题

3、第8周中期检查

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

4. 主要参考文献

  1. 李辉，张志攀，张中卫．基于卷积神经网络的变压器故障诊断［J］．河南理工大学学报( 自然科学版) ，2018，37( 6) : 118-123.

  2. 贾京龙，余涛，吴子杰，程小华. 基于卷积神经网络的变压器故障诊断方法［J］. 电测与仪表，2017，54（13）：62-67.

  3. 黄新波，胡潇文，朱永灿，魏雪倩，周岩，高华. 基于卷积神经网络算法的高压断路器故障诊断［J］. 电力自动化设备，2018，38（5）：136-140.

    剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章