| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-27页 |
| ·电力变压器故障诊断的重要意义 | 第10-11页 |
| ·变压器故障诊断的国内外研究现状 | 第11页 |
| ·变压器的分类及常见故障分析 | 第11-13页 |
| ·变压器油中气体分析 | 第13-16页 |
| ·变压器油的成份及油中气体分析 | 第14-16页 |
| ·变压器固体绝缘及产生气体分析 | 第16页 |
| ·常用经典故障诊断方法 | 第16-21页 |
| ·变压器故障的判断方法 | 第16-18页 |
| ·特征气体法 | 第18-19页 |
| ·比值法 | 第19-21页 |
| ·人工智能方法 | 第21-24页 |
| ·人工神经网络 | 第21-23页 |
| ·遗传算法 | 第23页 |
| ·灰色理论 | 第23-24页 |
| ·膜计算的应用研究 | 第24-26页 |
| ·本文主要工作 | 第26-27页 |
| 2 膜计算优化方法 | 第27-37页 |
| ·膜计算 | 第27-29页 |
| ·膜计算理论起源 | 第28-29页 |
| ·膜计算的发展趋势 | 第29页 |
| ·进化计算 | 第29-31页 |
| ·进化计算的产生介绍 | 第29-30页 |
| ·进化计算的研究分支 | 第30页 |
| ·进化计算的研究现状与发展趋势 | 第30-31页 |
| ·膜计算与进化计算的比较 | 第31-33页 |
| ·进化计算的基本特征 | 第31页 |
| ·膜计算与进化计算的共同点 | 第31-32页 |
| ·膜计算与进化计算的差异 | 第32-33页 |
| ·膜计算优化算法 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 3 细胞膜优化算法在变压器故障诊断中的应用 | 第37-58页 |
| ·细胞膜计算优化算法 | 第37-46页 |
| ·细胞膜计算优化算法的构建 | 第37-38页 |
| ·细胞膜计算优化算法的对象 | 第38-39页 |
| ·细胞膜计算优化算法的格局 | 第39页 |
| ·细胞膜计算优化算法的规则 | 第39-44页 |
| ·输入与输出 | 第44-45页 |
| ·适应度函数 | 第45-46页 |
| ·基于种群信息熵的自适应策略 | 第46-48页 |
| ·细胞膜算法优化 BP 神经网络诊断模型的实现 | 第48-56页 |
| ·训练样本的收集 | 第48-49页 |
| ·输入与输出的确定 | 第49-50页 |
| ·BP 网络隐含层数及隐含层神经元数 | 第50-53页 |
| ·样本数据的处理 | 第53-54页 |
| ·算法流程 | 第54-56页 |
| ·实例诊断及分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 4 车轮式拓扑结构的组织膜优化算法在电力变压器故障诊断中的应用 | 第58-71页 |
| ·模型建立 | 第59-60页 |
| ·WT-TMC 优化算法 | 第60-66页 |
| ·WT-TMC 算法的膜结构 | 第60-61页 |
| ·WT-TMC 算法的对象 | 第61-62页 |
| ·WT-TMC 算法的优化规则 | 第62-66页 |
| ·适应度函数 | 第66页 |
| ·基于种群信息熵的自适应策略 | 第66-67页 |
| ·CEA-WT-TMC 算法流程 | 第67-69页 |
| ·实例诊断及分析 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 5 膜计算优化算法在变压器故障诊断中的应用分析 | 第71-75页 |
| ·故障诊断模型的仿真分析 | 第72-73页 |
| ·故障诊断模型的测试 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第81-82页 |
| 致谢 | 第82-83页 |