| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-7页 |
| 1 绪论 | 第7-16页 |
| ·电力变压器局部放电在线监测的意义 | 第7-8页 |
| ·电力变压器局部放电超高频在线监测方法的研究现状 | 第8-14页 |
| ·变压器局部放电监测超高频天线 | 第8-10页 |
| ·局部放电超高频信号的数字化抗干扰方法 | 第10-12页 |
| ·局部放电超高频信号的模式识别方法 | 第12-14页 |
| ·本文主要工作 | 第14-16页 |
| 2 变压器局部放电超高频监测Hilbert 分形天线设计 | 第16-31页 |
| ·引言 | 第16页 |
| ·天线接收原理 | 第16-17页 |
| ·超高频天线的设计原则 | 第17-18页 |
| ·Hilbert 分形超高频天线的研究 | 第18-28页 |
| ·Hilbert 分形及分维数 | 第18-19页 |
| ·Hilbert 分形曲线的函数迭代系统 | 第19-21页 |
| ·Hilbert 分形天线谐振频率计算方程 | 第21-24页 |
| ·几何参数对Hilbert 分形天线性能的影响 | 第24-28页 |
| ·超高频Hilbert 分形天线的仿真优化设计及仿真与测试结果 | 第28-29页 |
| ·超高频Hilbert 分形天线的仿真优化设计及仿真结果 | 第28-29页 |
| ·超高频Hilbert 分形天线的测试结果 | 第29页 |
| ·小结 | 第29-31页 |
| 3 超高频监测法提取油中绝缘缺陷局部放电信号研究 | 第31-41页 |
| ·引言 | 第31页 |
| ·超高频信号的产生及传输机理 | 第31-33页 |
| ·超高频信号产生机理 | 第31-32页 |
| ·超高频信号传输机理 | 第32-33页 |
| ·油中缺陷模型及实验装置 | 第33-35页 |
| ·油中缺陷模型 | 第33页 |
| ·实验线路及设备 | 第33-35页 |
| ·获取模型放电超高频信号样本实验 | 第35-36页 |
| ·局部放电超高频信号频谱分析 | 第36-38页 |
| ·小结 | 第38-41页 |
| 4 局部放电超高频信号的白噪声抑制改进小波去噪方法 | 第41-53页 |
| ·引言 | 第41页 |
| ·离散小波变换的基本原理 | 第41-42页 |
| ·逐层最优母小波阈值去噪算法 | 第42-46页 |
| ·小波阈值法 | 第42-43页 |
| ·逐层选取最优母小波 | 第43-44页 |
| ·阈值的选取 | 第44-45页 |
| ·阈值处理 | 第45页 |
| ·最优分解层数 | 第45页 |
| ·逐层最优母小波阈值去噪算法 | 第45-46页 |
| ·实测局部放电超高频信号去噪分析 | 第46-50页 |
| ·小结 | 第50-53页 |
| 5 基于小波变换与分形理论的超高频信号人工神经网络模式识别方法 | 第53-63页 |
| ·引言 | 第53页 |
| ·基于小波变换与分形理论的超高频信号特征量提取方法 | 第53-56页 |
| ·差盒计数法计算曲线分维数 | 第53-55页 |
| ·基于分维数的小波系数特征量提取 | 第55-56页 |
| ·径向基函数（RBF）神经网络 | 第56-61页 |
| ·RBF 神经元模型 | 第56-57页 |
| ·RBF 网络的结构 | 第57-58页 |
| ·RBF 网络的学习 | 第58-59页 |
| ·概率神经网络 | 第59-60页 |
| ·RBF 神经网络的构建 | 第60-61页 |
| ·目标向量的校正 | 第61页 |
| ·局部放电模式识别结果 | 第61页 |
| ·结论 | 第61-63页 |
| 6 结论 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 附录 | 第71页 |
| 附件A：作者在攻读硕士学位期间发表的论文 | 第71页 |
| 附件B：作者在攻读硕士学位期间参加的科研项目 | 第71页 |
