| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题背景及研究意义 | 第8页 |
| 1.2 人工智能诊断方法的国内外研究现状 | 第8-12页 |
| 1.2.1 人工神经网络 | 第8-9页 |
| 1.2.2 专家系统 | 第9-10页 |
| 1.2.3 模糊理论 | 第10页 |
| 1.2.4 优化技术及遗传算法 | 第10-11页 |
| 1.2.5 多代理系统 | 第11页 |
| 1.2.6 Petri网 | 第11-12页 |
| 1.3 本论文的主要工作 | 第12-14页 |
| 2 粗糙集 | 第14-20页 |
| 2.1 粗糙集理论 | 第14页 |
| 2.2 知识表达系统 | 第14-15页 |
| 2.3 不可分辨关系 | 第15页 |
| 2.4 上、下近似集 | 第15-16页 |
| 2.5 属性约简、核集的求取 | 第16-17页 |
| 2.6 属性约简算法 | 第17-18页 |
| 2.7 粗糙集的软件—ROSETTA | 第18-19页 |
| 2.8 本章小结 | 第19-20页 |
| 3 RS-PN的输电线路故障诊断方法 | 第20-32页 |
| 3.1 Petri网 | 第20-26页 |
| 3.1.1 Petri网基本理论 | 第20-21页 |
| 3.1.2 网的系统图及逻辑关系的Petri网模型 | 第21-22页 |
| 3.1.3 基于初始标识的Petri网的实现 | 第22-26页 |
| 3.2 RS与PN结合的故障诊断方法 | 第26-30页 |
| 3.2.1 RS与PN方法结合的可行性分析 | 第26页 |
| 3.2.2 RS与PN方法结合的流程图 | 第26-27页 |
| 3.2.3 RS与PN结合输电线路故障诊断模型 | 第27-30页 |
| 3.3 本章小结 | 第30-32页 |
| 4 RS-CPN的输电线路故障诊断方法 | 第32-48页 |
| 4.1 电力系统输电线路的结线分析的基本理论 | 第32页 |
| 4.2 CPN结线分析模型的建立 | 第32-34页 |
| 4.3 RS-CPN原理结构 | 第34页 |
| 4.4 RS-CPN的算法分析 | 第34-36页 |
| 4.5 RS-CPN的输电线路故障诊断模型分析 | 第36-44页 |
| 4.5.1 模型的建立 | 第37页 |
| 4.5.2 故障诊断决策表的建立 | 第37-39页 |
| 4.5.3 故障诊断决策表的约减 | 第39-40页 |
| 4.5.4 基于CPN进行电力系统输电线路故障诊断 | 第40-43页 |
| 4.5.5 RS的软件实现 | 第43-44页 |
| 4.6 故障诊断方法对比分析 | 第44-46页 |
| 4.6.1 RS-PN与RS-CPN故障诊断数据对比 | 第44-45页 |
| 4.6.2 CPN与RS-CPN故障诊断对比分析 | 第45-46页 |
| 4.7 本章小结 | 第46-48页 |
| 5 RS与CPN结合的分区域并行推理故障诊断方法 | 第48-56页 |
| 5.1 输电线路分割方法 | 第48-49页 |
| 5.1.1 多重叠分割法 | 第48页 |
| 5.1.2 蝴蝶型分割法 | 第48-49页 |
| 5.1.3 无重叠分割法 | 第49页 |
| 5.2 基于RS的并行推理的规则提取 | 第49-50页 |
| 5.3 RS与CPN结合的分区域并行推理的故障诊断 | 第50-54页 |
| 5.3.1 输电线路的模型分析 | 第50-51页 |
| 5.3.2 故障诊断决策表的建立 | 第51-52页 |
| 5.3.3 故障诊断决策表的约减 | 第52-53页 |
| 5.3.4 CPN故障诊断 | 第53-54页 |
| 5.4 本章小结 | 第54-56页 |
| 6 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 作者攻读学位期间发表学术论文清单 | 第62-64页 |
| 致谢 | 第64页 |
