基于光纤传感技术的高压电气设备温度监测预警系统
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-12页 |
| ·论文的研究背景 | 第8-9页 |
| ·研究背景 | 第8-9页 |
| ·选题意义 | 第9页 |
| ·国内外发展趋势及研究现状 | 第9-11页 |
| ·国外的发展趋势及研究现状 | 第9-10页 |
| ·国内的发展趋势及研究现状 | 第10-11页 |
| ·研究内容 | 第11-12页 |
| 第2章 高压电气设备的温变故障分析 | 第12-22页 |
| ·高压电气设备的状态检修与故障诊断现状 | 第12-13页 |
| ·高压电气设备温变监测分析 | 第13-19页 |
| ·高压变压器的温变监测特性 | 第14-15页 |
| ·高压断路器的温变监测特性 | 第15-17页 |
| ·高压电缆接头的温变监测特性 | 第17-19页 |
| ·其他高压电气设备的温变监测 | 第19页 |
| ·本章小结 | 第19-22页 |
| 第3章 分布式拉曼光纤温度传感系统的设计 | 第22-32页 |
| ·温度传感器的选择 | 第22-23页 |
| ·光纤传感器与传统传感器的比较 | 第22页 |
| ·光纤传感器及其特点 | 第22-23页 |
| ·光纤传感器系统理论基础及方案确定 | 第23-26页 |
| ·光纤的基础理论 | 第23-24页 |
| ·温度传感器方案的比较及确定 | 第24-26页 |
| ·分布式拉曼光纤温度传感器基本原理 | 第26-28页 |
| ·光时域反射原理 | 第26-27页 |
| ·拉曼散射基本原理 | 第27-28页 |
| ·分布式拉曼光纤温度传感系统的总体设计 | 第28-31页 |
| ·分布式拉曼光纤测温系统的解调方案 | 第28-30页 |
| ·分布式拉曼光纤温度传感系统总体设计 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 神经网络和 D-S 证据理论 | 第32-46页 |
| ·人工神经网络 | 第32-39页 |
| ·人工神经网络的发展及基本特性 | 第32-33页 |
| ·人工神经网络的基本模型 | 第33-34页 |
| ·神经网络的学习方法 | 第34-35页 |
| ·神经元模型 | 第35-36页 |
| ·RBF 神经网络 | 第36-39页 |
| ·信息融合技术概述 | 第39-42页 |
| ·多源信息融合的优势 | 第39页 |
| ·多源信息融合的应用领域 | 第39-40页 |
| ·信息融合系统的结构模型 | 第40-41页 |
| ·信息融合的主要技术和方法 | 第41-42页 |
| ·D-S 证据理论 | 第42-44页 |
| ·D-S 证据理论的基本概念 | 第42-43页 |
| ·D-S 证据理论的优缺点 | 第43-44页 |
| ·D-S 证据理论的合成法则 | 第44页 |
| ·合成规则的性质 | 第44页 |
| ·RBF 神经网络与 D-S 证据理论 | 第44-45页 |
| ·融合方法的选择 | 第44-45页 |
| ·融合结构的设计 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第5章 高压真空断路器的温度监测与预警 | 第46-54页 |
| ·针对高压真空断路器触头的温度监测 | 第46-47页 |
| ·应用信息融合的系统总体结构 | 第47-52页 |
| ·数据预处理模块 | 第47页 |
| ·基于 RBF 神经网络的初级诊断 | 第47-51页 |
| ·应用 D-S 证据理论对故障类型进行综合诊断 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间所发表的论文 | 第60-62页 |
| 致谢 | 第62页 |
