| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题来源及研究背景 | 第8页 |
| ·故障诊断国内外研究现状 | 第8-10页 |
| ·本文的主要工作 | 第10-12页 |
| 第二章 变压器故障分析及常规诊断方法 | 第12-24页 |
| ·变压器分类及结构 | 第12-13页 |
| ·变压器数学模型 | 第13-16页 |
| ·网络回路矩阵方程 | 第13-14页 |
| ·双绕组变压器的矩阵方程 | 第14-16页 |
| ·变压器故障原因及类型 | 第16-18页 |
| ·变压器故障原因 | 第16-17页 |
| ·变压器故障类型 | 第17-18页 |
| ·变压器故障常规诊断分析方法 | 第18-22页 |
| ·四比值法 | 第19-20页 |
| ·三比值法 | 第20-21页 |
| ·无编码比值法 | 第21-22页 |
| ·油中气体增长率 | 第22页 |
| ·小结 | 第22-24页 |
| 第三章 基于 K-均值聚类的支持向量机的变压器故障诊断 | 第24-51页 |
| ·K-均值聚类和 SVM 基础理论简介 | 第24-30页 |
| ·K-均值聚类简介 | 第24页 |
| ·支持向量机理论简介 | 第24-30页 |
| ·支持向量机的故障诊断方法 | 第30-33页 |
| ·LS-SVM 的故障诊断方法 | 第30-32页 |
| ·多分类的 SVM 的故障诊断方法 | 第32-33页 |
| ·基于 K-均值聚类的 SVM 的变压器故障诊断模型 | 第33-42页 |
| ·训练样本和测试样本的收集 | 第33-35页 |
| ·数据预处理 | 第35-36页 |
| ·支持向量机参数寻优 | 第36-40页 |
| ·验证基于 K-均值的 SVM 变压器故障诊断方法的有效性 | 第40-42页 |
| ·weka 平台下仿真 | 第42-48页 |
| ·WEKA 平台介绍 | 第42-44页 |
| ·使用 weka 遇到的问题及解决方法 | 第44-46页 |
| ·实验比较 | 第46-48页 |
| ·实例分析 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第四章 基于贝叶斯网络的变压器故障诊断 | 第51-73页 |
| ·贝叶斯网络定义及概率计算公式 | 第51-53页 |
| ·贝叶斯网络定义 | 第51-52页 |
| ·概率计算公式 | 第52-53页 |
| ·贝叶斯网络学习 | 第53-55页 |
| ·评分函数 MDL 工作原理 | 第54页 |
| ·K2 搜索算法 | 第54-55页 |
| ·贝叶斯分类器 | 第55-59页 |
| ·隐朴素贝叶斯分类器 | 第55-57页 |
| ·AODE 分类器 | 第57-59页 |
| ·基于贝叶斯网络的变压器故障诊断模型 | 第59-68页 |
| ·数据离散 | 第59-61页 |
| ·不同离散化方法的比较 | 第61页 |
| ·构建贝叶斯网络模型 | 第61-67页 |
| ·实验比较 | 第67-68页 |
| ·实例分析 | 第68-71页 |
| ·小结 | 第71-73页 |
| 第五章 总结与展望 | 第73-75页 |
| ·本文工作总结 | 第73页 |
| ·展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 附录 A 部分变压器故障特征气体原始数据 | 第79-83页 |
| 个人简历 在读期间发表的学术论文 | 第83-84页 |
| 致谢 | 第84页 |
