基于支持向量机的油浸式变压器故障诊断研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究背景和意义 | 第10-11页 |
| ·变压器故障诊断方法的国内外研究现状 | 第11-14页 |
| ·传统的诊断方法 | 第11-12页 |
| ·基于人工智能的诊断方法 | 第12-14页 |
| ·本文所做的主要工作 | 第14-15页 |
| 第二章 油中溶解气体分析的原理及方法 | 第15-24页 |
| ·油中溶解气体的产生 | 第15-17页 |
| ·变压器油的性能及产气原理 | 第15-17页 |
| ·变压器固体绝缘材料的性能及产气原理 | 第17页 |
| ·正常运行的变压器油中溶解气体含量 | 第17-18页 |
| ·不同故障类型对应的变压器油中溶解气体含量 | 第18-19页 |
| ·过热性故障 | 第18页 |
| ·放电性故障 | 第18-19页 |
| ·以油中溶解气体为特征量的诊断方法 | 第19-23页 |
| ·特征气体法 | 第19-20页 |
| ·IEC 三比值法 | 第20-22页 |
| ·改良三比值法 | 第22页 |
| ·比值法的不足 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 支持向量机的基本思想 | 第24-34页 |
| ·统计学理论简介 | 第24-27页 |
| ·机器学习的表示 | 第24-25页 |
| ·经验风险最小化 | 第25页 |
| ·VC 维 | 第25-26页 |
| ·推广性的界 | 第26页 |
| ·结构风险最小化 | 第26-27页 |
| ·支持向量机 | 第27-31页 |
| ·最优分类超平面 | 第27-28页 |
| ·线性可分支持向量机 | 第28-29页 |
| ·线性不可分支持向量机 | 第29-30页 |
| ·非线性支持向量机 | 第30-31页 |
| ·支持向量机多分类算法 | 第31-33页 |
| ·“一对多”分类法 | 第31-32页 |
| ·“一对一”分类法 | 第32页 |
| ·决策导向无环图法 | 第32-33页 |
| ·层次分类法 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于 DGA-SVM 的变压器故障诊断 | 第34-48页 |
| ·模型样本的确定 | 第34-43页 |
| ·故障特征量的确定 | 第34页 |
| ·分类模式的确定 | 第34-35页 |
| ·样本收集 | 第35-43页 |
| ·Libsvm 工具箱简介 | 第43-44页 |
| ·模型的建立 | 第44-45页 |
| ·MATLAB 实现 | 第45-47页 |
| ·选定训练集和测试集 | 第45页 |
| ·数据预处理 | 第45-46页 |
| ·训练和预测 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 SVM 的参数优化 | 第48-56页 |
| ·交叉验证思想 | 第48-49页 |
| ·优化模型的建立 | 第49页 |
| ·MATLAB 实现 | 第49-54页 |
| ·交叉验证选择最优参数 | 第49-53页 |
| ·训练和预测 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第六章 结论和展望 | 第56-58页 |
| ·工作总结 | 第56页 |
| ·下一步工作与展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 附录 A 攻读学位期间所发表的学术论文 | 第62页 |
