| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究目的和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 传统诊断方法研究 | 第9-10页 |
| 1.2.2 智能诊断方法研究 | 第10-13页 |
| 1.3 论文的章节安排 | 第13-15页 |
| 第2章 变压器油中气体分析及数据预处理 | 第15-21页 |
| 2.1 引言 | 第15页 |
| 2.2 变压器的油中溶解气体 | 第15-16页 |
| 2.2.1 变压器油中气体的产生 | 第15-16页 |
| 2.2.2 变压器故障类型和油中气体含量的关系 | 第16页 |
| 2.3 数据预处理 | 第16-20页 |
| 2.3.1 数据处理方法 | 第16-19页 |
| 2.3.2 基于时间序列的变压器状态数据清洗 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于OS-ELM的变压器故障诊断 | 第21-34页 |
| 3.1 引言 | 第21页 |
| 3.2 在线序列极限学习机理论 | 第21-25页 |
| 3.3 基于OS-ELM的变压器故障诊断模型 | 第25-28页 |
| 3.3.1 选取样本数据 | 第25页 |
| 3.3.2 隐藏层激活函数的选择 | 第25-26页 |
| 3.3.3 变压器状态编码 | 第26-27页 |
| 3.3.4 基于OS-ELM的变压器故障诊断的实现过程 | 第27-28页 |
| 3.4 实例分析 | 第28-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于粒子群优化的OS-ELM变压器故障诊断 | 第34-43页 |
| 4.1 引言 | 第34页 |
| 4.2 粒子群算法 | 第34-39页 |
| 4.2.1 粒子群算法概述 | 第34-36页 |
| 4.2.2 粒子群算法研究现状 | 第36-37页 |
| 4.2.3 改进粒子群算法 | 第37-39页 |
| 4.3 基于PSO-OS-ELM的变压器故障诊断模型 | 第39-41页 |
| 4.4 实例分析 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 结论与展望 | 第43-44页 |
| 参考文献 | 第44-49页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第49-50页 |
| 致谢 | 第50页 |
