| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·电力变压器故障诊断的意义 | 第8页 |
| ·电力变压器故障诊断的主要方法与研究现状 | 第8-13页 |
| ·概述 | 第8-9页 |
| ·油中溶解气体法 | 第9-12页 |
| ·人工智能方法 | 第12-13页 |
| ·论文的主要工作 | 第13-15页 |
| 2 粗糙集理论及其发展应用 | 第15-26页 |
| ·粗糙集理论 | 第16-20页 |
| ·知识的含义 | 第16页 |
| ·粗糙集的定义与集合的上近似和下近似 | 第16-19页 |
| ·决策属性表的约简 | 第19-20页 |
| ·粗糙集理论的特点及与其相关理论和领域的关系 | 第20-23页 |
| ·粗糙集理论的特点 | 第20-21页 |
| ·粗糙集与模糊集、证据理论的关系 | 第21-22页 |
| ·粗糙集与神经网络、知识工程、遗传算法、自动控制的关系 | 第22-23页 |
| ·粗糙集理论的应用 | 第23-25页 |
| ·粗糙集理论的研究对象 | 第23页 |
| ·粗糙集理论的应用情况 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 电力变压器故障检测及诊断 | 第26-38页 |
| ·电力变压器 | 第26-27页 |
| ·电力变压器分类 | 第26页 |
| ·油浸式电力变压器结构 | 第26-27页 |
| ·电力变压器的常见故障 | 第27-28页 |
| ·常用检测技术 | 第28-30页 |
| ·离线检测技术 | 第29页 |
| ·在线监测技术 | 第29-30页 |
| ·油中溶解气体分析 | 第30-34页 |
| ·故障特征气体的来源 | 第30-31页 |
| ·故障的发现 | 第31-32页 |
| ·绝缘老化及涉及固体绝缘的故障发现 | 第32-33页 |
| ·故障类型、性质的判断 | 第33-34页 |
| ·故障部位的判断 | 第34-35页 |
| ·变压器状态监测及故障诊断智能系统流程 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 4 神经网络及其在变压器故障诊断中的应用仿真 | 第38-46页 |
| ·基于MATLAB的神经网络基本理论 | 第38-41页 |
| ·神经元模型 | 第38-39页 |
| ·神经网络的类型 | 第39页 |
| ·神经网络的仿真 | 第39-40页 |
| ·神经网络的学习与训练 | 第40-41页 |
| ·神经网络在变压器故障诊断中的应用 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于RSNN的变压器故障诊断智能混合系统的设计 | 第46-55页 |
| ·粗糙集神经网络(RSNN)系统 | 第46-48页 |
| ·基于RSNN的变压器故障诊断智能混合系统的结构与设计 | 第48-53页 |
| ·粗糙集神经网络分类器的构成 | 第48-51页 |
| ·数据预处理 | 第51-52页 |
| ·决策表构造与约简 | 第52页 |
| ·神经网络分类器构造 | 第52页 |
| ·规则获取 | 第52页 |
| ·规则知识求精 | 第52-53页 |
| ·规则约简与合并 | 第53页 |
| ·基于知识粗糙集神经网络智能混合系统的特点 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 6 RSNN在变压器故障诊断中的应用和改进以及仿真实现 | 第55-72页 |
| ·基于RSNN的变压器故障诊断 | 第55-63页 |
| ·RSNN进行变压器故障诊断 | 第55-62页 |
| ·RSNN与NN在变压器故障诊断中的比较分析 | 第62-63页 |
| ·融合三比值法的改进RSNN对变压器的故障诊断 | 第63-70页 |
| ·基于三比值法的离散编码及规则提取 | 第64-67页 |
| ·改进粗糙集神经网络构建及训练仿真 | 第67-69页 |
| ·几种诊断方法的性能比较 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 结论 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 附录A 粗糙集简约程序 | 第79-83页 |
