| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究电力电缆局部放电检测技术目的和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 局部放电特征量的提取 | 第12-13页 |
| 1.2.2 局部放电的模式分类器 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 第2章 交联聚乙烯电力电缆局部放电模拟实验 | 第15-30页 |
| 2.1 局部放电模拟试验试验原理 | 第15-18页 |
| 2.1.1 交联聚乙烯电力电缆局部放电模式识别原理 | 第15页 |
| 2.1.2 交联聚乙烯电力电缆局部放电测量原理 | 第15-18页 |
| 2.2 传感器设计及前置电路设计 | 第18-24页 |
| 2.2.1 传感器分类 | 第18-20页 |
| 2.2.2 电磁耦合型传感器设计 | 第20-23页 |
| 2.2.3 信号前置处理 | 第23-24页 |
| 2.3 模拟实验 | 第24-29页 |
| 2.3.1 实验方案 | 第24-25页 |
| 2.3.2 实验模型设计 | 第25-27页 |
| 2.3.3 实验步骤 | 第27-29页 |
| 2.4 小结 | 第29-30页 |
| 第3章 人工神经网络模式识别方法研究 | 第30-42页 |
| 3.1 神经网络模式识别方法简述 | 第30-32页 |
| 3.1.1 模式识别原理简介 | 第30-31页 |
| 3.1.2 模式识别特征量的提取 | 第31页 |
| 3.1.3 模式识别分类器 | 第31-32页 |
| 3.2 人工神经网络基础 | 第32-34页 |
| 3.2.1 神经网络分类 | 第32-33页 |
| 3.2.2 神经网络的结构及算法 | 第33-34页 |
| 3.3 BP神经网络的结构及工作原理 | 第34-38页 |
| 3.3.1 BP神经网络结构 | 第34-35页 |
| 3.3.2 BP网络算法 | 第35-38页 |
| 3.4 SART神经网络的结构及工作原理 | 第38-41页 |
| 3.4.1 SART网络的结构 | 第39页 |
| 3.4.2 SART网络的学习计算法 | 第39-41页 |
| 3.5 小结 | 第41-42页 |
| 第4章 人工神经网络模式识别技术实际应用及分析 | 第42-53页 |
| 4.1 局部放电的PRPSA和PRPD模式 | 第42-43页 |
| 4.1.1 局部放电信号的PRPSA模式 | 第42页 |
| 4.1.2 局部放电信号的PRPD模式 | 第42-43页 |
| 4.2 电力电缆局部放电信号指纹特征 | 第43页 |
| 4.3 局部放电模式的BP人工神经网络模式识别 | 第43-46页 |
| 4.3.1 以三维谱图放电次数为特征量的BP人工神经网模式识别 | 第43-44页 |
| 4.3.2 以三维谱图正负半波统计算子为特征量的BP人工神经网模式识别 | 第44-46页 |
| 4.4 局部放电的SART网络模式识别 | 第46-49页 |
| 4.4.1 SART网络的建立 | 第47页 |
| 4.4.2 SART网络的训练和识别结果 | 第47-49页 |
| 4.4.3 两种网络模式识别结果比较 | 第49页 |
| 4.5 本溪市平山线 110k V电缆故障的模式识别技术及应用分析 | 第49-51页 |
| 4.5.1 本溪市平山线 110KV电缆及其结构 | 第49-50页 |
| 4.5.2 本溪市平山线 110KV电缆的事故及原因分析 | 第50-51页 |
| 4.5.3 采用模式识别电缆的局部放电 | 第51页 |
| 4.6 小结 | 第51-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 作者简介 | 第58页 |
