| 摘要 | 第1-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第13-19页 |
| ·引言 | 第13页 |
| ·传统的基于DGA的故障诊断方法 | 第13-14页 |
| ·当前主要变压器故障诊断方法 | 第14-17页 |
| ·基于粗糙集理论的故障诊断方法 | 第14页 |
| ·基于神经网络(NN)的故障诊断方法 | 第14-15页 |
| ·基于专家系统的故障诊断方法 | 第15-16页 |
| ·基于局部放电监测的故障诊断方法 | 第16-17页 |
| ·目前存在的问题 | 第17页 |
| ·研究内容 | 第17-19页 |
| 第二章 DGA方法诊断变压器故障的机理 | 第19-27页 |
| ·变压器常态时油中溶解气体的来源 | 第19页 |
| ·变压器主要故障类型及其油中气体的特征 | 第19-21页 |
| ·过热故障 | 第19-20页 |
| ·放电故障 | 第20页 |
| ·受潮 | 第20-21页 |
| ·变压器故障诊断的依据 | 第21页 |
| ·变压器故障判断的一般步骤和方法 | 第21-25页 |
| ·有无故障的判定 | 第22-23页 |
| ·三比值法判断故障类型的主要方法 | 第23-25页 |
| ·三比值法诊断注意事项 | 第25页 |
| ·对三比值诊断法的评述 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 粗糙集理论 | 第27-41页 |
| ·粗糙集理论特点 | 第27页 |
| ·知识的含义和表述 | 第27-29页 |
| ·粗糙集定义及相关参数 | 第29-32页 |
| ·粗糙集定义 | 第29页 |
| ·粗糙集的上、下逼近和边界区 | 第29-31页 |
| ·粗糙集的精度和隶属函数 | 第31-32页 |
| ·决策系统的约简与求核 | 第32-34页 |
| ·决策系统的表示 | 第32-33页 |
| ·决策表的约简 | 第33-34页 |
| ·决策表约简步骤 | 第34-35页 |
| ·约简算法 | 第35-39页 |
| ·属性约简算法简介 | 第36页 |
| ·基于逻辑运算的属性约简 | 第36-39页 |
| ·值约简 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第四章 模糊神经网络 | 第41-49页 |
| ·人工神经网络简介 | 第41页 |
| ·人工神经元结构 | 第41-42页 |
| ·常用的传递函数 | 第42-43页 |
| ·BP网络及其结构 | 第43-44页 |
| ·神经网络的学习 | 第44-45页 |
| ·BP网络缺陷和不足 | 第45-46页 |
| ·模糊神经网络 | 第46-48页 |
| ·输入数据模糊化 | 第46页 |
| ·模糊隶属函数的设置 | 第46-47页 |
| ·模糊神经网络结构 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于粗糙集模糊神经网络的变压器故障诊断模型 | 第49-59页 |
| ·粗糙集模糊神经网络系统 | 第49页 |
| ·基于RS-FNN的变压器故障诊断模型的结构 | 第49-51页 |
| ·模型输入量的选择 | 第51-52页 |
| ·原始决策表的建立 | 第52-53页 |
| ·决策表的构建与约简 | 第53-56页 |
| ·构建原始决策表 | 第53页 |
| ·原始决策表的约简 | 第53-56页 |
| ·最简决策表模糊化处理 | 第56-57页 |
| ·模糊神经网络参数确定 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 基于粗糙集模糊神经网络的变压器故障诊断数值仿真 | 第59-71页 |
| ·Matlab NNTOOL工具箱简介 | 第59页 |
| ·神经网络创建与初始化 | 第59-62页 |
| ·创建新的神经网络 | 第60-61页 |
| ·神经网络初始化 | 第61页 |
| ·神经网络的训练 | 第61-62页 |
| ·仿真应用实例 | 第62-70页 |
| ·样本组织和训练 | 第62-68页 |
| ·标准故障样本测试 | 第68-69页 |
| ·故障诊断实例 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第七章 结论 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 学位论文评阅及答辩情况表 | 第76页 |