基于混合因果网络的配电变电站故障诊断的研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题研究的内容和意义 | 第7页 |
| ·人工智能技术在变电站故障诊断中的应用概述 | 第7-13页 |
| ·基于专家系统原理的变电站故障诊断 | 第8-10页 |
| ·基于人工神经网络的变电站故障诊断 | 第10-11页 |
| ·基于模糊理论的变电站故障诊断 | 第11-12页 |
| ·基于Petri网络的变电站故障诊断 | 第12-13页 |
| ·小结 | 第13页 |
| ·本文主要研究工作 | 第13-15页 |
| 第二章 因果网络的基本原理 | 第15-21页 |
| ·因果网络的发展和研究概述 | 第15页 |
| ·因果网的基础概念 | 第15-20页 |
| ·因果网基本定义 | 第15-16页 |
| ·因果网模型概念和示例 | 第16-18页 |
| ·因果网的数学模型 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 变电站故障诊断的分析知识树 | 第21-29页 |
| ·深浅知识的概念与关系 | 第21-23页 |
| ·深知识和浅知识的概念 | 第21-22页 |
| ·深浅知识的特点和关系 | 第22-23页 |
| ·基于知识的诊断系统方法 | 第23页 |
| ·知识树模型 | 第23-24页 |
| ·变电站中各元件的故障分析知识树 | 第24-28页 |
| ·馈线的故障分析知识树 | 第24页 |
| ·电容器故障分析知识树 | 第24-25页 |
| ·变压器故障分析知识树 | 第25-26页 |
| ·母线故障分析知识树 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 混合CE-Nets诊断系统结构和机理 | 第29-42页 |
| ·混合CE-Nets 的系统结构组成 | 第29-30页 |
| ·混合CE-Nets 的故障信息流模型的构造 | 第30页 |
| ·深层知识分析和推理 | 第30-32页 |
| ·混合CE-Nets 信息流模型的推理和信息赋值 | 第32-34页 |
| ·混合CE-Nets 的矩阵运算和求解 | 第34-36页 |
| ·故障诊断推理模块策略 | 第36-38页 |
| ·馈线相关设备的诊断子模块 | 第36-37页 |
| ·变压器相关设备的诊断子模块 | 第37页 |
| ·母线相关设备的诊断子模块 | 第37页 |
| ·电容器相关设备的诊断子模块 | 第37-38页 |
| ·故障诊断结果和解释 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 基于人工神经网络的变电站故障诊断 | 第42-48页 |
| ·引言 | 第42页 |
| ·人工神经网络理论概述 | 第42-47页 |
| ·人工神经网络的发展概况 | 第42-43页 |
| ·人工神经网络的基本特征和类型 | 第43-45页 |
| ·FNN模型结构及BP学习算法 | 第45-47页 |
| ·人工神经网络的训练与知识获取 | 第47页 |
| ·基于ANN的配电变电站故障诊断 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第六章 配电变电站故障诊断仿真 | 第48-60页 |
| ·基于混合因果网络的配电变电站故障诊断仿真 | 第49-52页 |
| ·混合CE-Nets 信息流模型的推理和信息赋值 | 第49页 |
| ·馈线F1故障混合CE-Nets 的矩阵运算求解 | 第49-52页 |
| ·馈线F1相关设备的故障诊断 | 第52页 |
| ·故障诊断结果解释和输出 | 第52页 |
| ·基于人工神经网络的配电变电站故障诊断仿真 | 第52-58页 |
| ·训练样本集的构造 | 第53-56页 |
| ·BP神经网络的生成 | 第56页 |
| ·BP神经网络的训练和仿真 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第七章 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68页 |
