| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-24页 |
| 1.1 课题研究背景及应用需求 | 第10-11页 |
| 1.2 电缆局部放电研究现状 | 第11-23页 |
| 1.2.1 局部放电检测方法研究现状 | 第11-18页 |
| 1.2.2 局部放电检测抗干扰方法研究现状 | 第18-20页 |
| 1.2.3 局部放电检测模式识别方法研究现状 | 第20-23页 |
| 1.3 本论文研究内容 | 第23-24页 |
| 第二章 基于逐层最优基小波去除白噪声方法研究 | 第24-32页 |
| 2.1 引言 | 第24-25页 |
| 2.2 典型放电及其特征 | 第25-26页 |
| 2.3 小波阈值去噪法基本理论 | 第26-28页 |
| 2.3.1 小波分解 | 第26-27页 |
| 2.3.2 阈值选取规则 | 第27-28页 |
| 2.3.3 阈值处理函数 | 第28页 |
| 2.4 自适应基小波选择算法 | 第28-29页 |
| 2.5 去噪结果分析 | 第29-31页 |
| 2.5.1 去噪效果评价参数 | 第29-30页 |
| 2.5.2 四种局部放电信号去噪分析 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于提升小波分解的小波熵阈值去除白噪声方法研究 | 第32-43页 |
| 3.1 引言 | 第32页 |
| 3.2 提升小波变换 | 第32-34页 |
| 3.3 基于提升小波熵分层软阈值去噪法 | 第34-36页 |
| 3.3.1 小波熵 | 第34-35页 |
| 3.3.2 基于提升小波熵分层阈值去噪步骤 | 第35-36页 |
| 3.4 染噪局部放电仿真信号去噪处理 | 第36-40页 |
| 3.4.1 局部放电信号模型 | 第36-38页 |
| 3.4.2 阈值系数的选取对去噪效果的影响 | 第38-39页 |
| 3.4.3 不同信噪比的染噪信号的去噪 | 第39-40页 |
| 3.5 实测信号去噪 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于能量百分比的局部放电信号识别方法研究 | 第43-51页 |
| 4.1 引言 | 第43页 |
| 4.2 识别样本库 | 第43页 |
| 4.3 基于能量百分比的局部放电信号特征提取 | 第43-45页 |
| 4.4 基于神经网络的局部放电信号模式识别 | 第45-47页 |
| 4.4.1 BP神经网络 | 第45-46页 |
| 4.4.2 模式识别试验结果 | 第46-47页 |
| 4.5 基于支持向量机的局部放电信号模式识别 | 第47-50页 |
| 4.5.1 支持向量机 | 第47-48页 |
| 4.5.2 支持向量机参数确定 | 第48-49页 |
| 4.5.3 模式识别试验结果 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 攻读硕士学位期间取得的研究成果 | 第58-60页 |
| 致谢 | 第60-61页 |
| 附件 | 第61页 |