低压故障电弧识别方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 变量注释表 | 第16-17页 |
| 1 绪论 | 第17-23页 |
| 1.1 研究背景 | 第17-18页 |
| 1.2 研究意义 | 第18页 |
| 1.3 故障电弧断路器 | 第18-19页 |
| 1.4 国内外研究现状 | 第19-21页 |
| 1.5 论文研究内容 | 第21-22页 |
| 1.6 本章小结 | 第22-23页 |
| 2 故障电弧理论 | 第23-28页 |
| 2.1 电弧的概念 | 第23页 |
| 2.2 故障电弧的产生方式及分类 | 第23-24页 |
| 2.3 故障电弧的基本特性 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 故障电弧电流特征提取 | 第28-49页 |
| 3.1 故障电弧发生实验装置 | 第28-29页 |
| 3.2 故障电弧电流数据采集 | 第29-30页 |
| 3.3 小波变换结合样本熵提取特征 | 第30-39页 |
| 3.4 EEMD分解结合SVD分解提取特征 | 第39-48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 优化的GMM故障电弧识别方法 | 第49-63页 |
| 4.1 混合高斯模型 | 第49-54页 |
| 4.2 遗传算法概述 | 第54-57页 |
| 4.3 遗传算法优化EM流程 | 第57-60页 |
| 4.4 优化的GMM识别结果及分析 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 5 改进的ELM故障电弧识别方法 | 第63-73页 |
| 5.1 极限学习机分类应用 | 第63-66页 |
| 5.2 爬山算法原理 | 第66-67页 |
| 5.3 改进的ELM算法 | 第67-70页 |
| 5.4 改进的ELM识别结果及分析 | 第70-72页 |
| 5.5 本章小结 | 第72-73页 |
| 6 两种识别方法对比分析 | 第73-75页 |
| 7 结论与展望 | 第75-76页 |
| 7.1 总结 | 第75页 |
| 7.2 展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 作者简历 | 第80-82页 |
| 学位论文数据集 | 第82页 |
