摘要 | 第1-7页 |
ABSTRACT | 第7-13页 |
第1章 绪论 | 第13-22页 |
·课题的背景及研究意义 | 第13-14页 |
·国内外研究现状 | 第14-17页 |
·泄漏电流法 | 第14-15页 |
·等值附盐密度法 | 第15-16页 |
·污层电导率法 | 第16页 |
·闪络场强法 | 第16-17页 |
·红外测温法 | 第17页 |
·课题的来源及主要研究内容 | 第17-21页 |
·课题的来源 | 第17-18页 |
·研究目标及拟解决的问题 | 第18页 |
·课题的主要研究内容 | 第18-19页 |
·本文研究方法的特点及创新 | 第19-21页 |
·本章小结 | 第21-22页 |
第2章 基于红外热像的绝缘子污秽等级识别方法基本原理及研究方案设计 | 第22-31页 |
·绝缘子污闪的发生、发展过程 | 第22-24页 |
·红外热像法检测绝缘子污秽等级的基本原理与依据 | 第24-27页 |
·总体研究方案设计 | 第27-30页 |
·本章小结 | 第30-31页 |
第3章 基于BAYES 估计的污秽绝缘子红外热像去噪方法研究 | 第31-38页 |
·污秽绝缘子红外热像去噪的必要性 | 第31页 |
·基于阈值的小波去噪方法 | 第31-33页 |
·小波阈值的选取方法 | 第32页 |
·阈值处理函数 | 第32-33页 |
·基于BAYES 估计的小波自适应去噪方法 | 第33-35页 |
·带噪信号的 Bayes 估计 | 第33-34页 |
·红外热像小波系数的自适应 Bayes 估计 | 第34-35页 |
·去噪试验及结果 | 第35-37页 |
·本章小结 | 第37-38页 |
第4章 污秽绝缘子红外热像的分割算法研究 | 第38-52页 |
·污秽绝缘子红外热像分割的必要性 | 第38页 |
·图像分割基本方法概述 | 第38-43页 |
·不同污秽程度绝缘子红外热像分割方法研究 | 第43-50页 |
·严重污秽绝缘子红外热像分割方法研究 | 第44-46页 |
·洁净及轻度污秽绝缘子红外热像分割方法研究 | 第46-50页 |
·本章小结 | 第50-52页 |
第5章 基于K-L 变换的污秽绝缘子红外热像特征提取方法研究 | 第52-62页 |
·绝缘子污秽特征K-L 变换的必要性 | 第52页 |
·K-L 变换基本理论 | 第52-54页 |
·绝缘子污秽特征数据的K-L 变换 | 第54-58页 |
·基于红外热像的高压绝缘子原始污秽特征数据的采集 | 第54-55页 |
·基于K-L 变换的绝缘子污秽特征主分量的提取 | 第55-58页 |
·K-L 变换实验结果分析 | 第58-61页 |
·K-L 变换后数据对污秽等级分类的影响 | 第58-60页 |
·主分量个数选择对污秽等级分类的影响 | 第60-61页 |
·本章小结 | 第61-62页 |
第6章 基于人工智能分类器的绝缘子污秽等级识别方法研究 | 第62-80页 |
·概述 | 第62页 |
·BP 神经网络 | 第62-64页 |
·RBF 神经网络 | 第64-65页 |
·PNN 神经网络 | 第65-66页 |
·用于绝缘子污秽等级识别的 RBPNN 神经网络设计 | 第66-72页 |
·RBPNN 神经网络结构 | 第66-67页 |
·RBPNN 神经网络的学习算法 | 第67-69页 |
·基于RBPNN 的绝缘子污秽等级识别 | 第69-72页 |
·用于绝缘子污秽等级识别的支持向量机(SVM)设计 | 第72-79页 |
·支持向量机(SVM)网络结构及分类方法 | 第73-74页 |
·支持向量机(SVM)输入数据处理及参数选择 | 第74-76页 |
·基于支持向量机的高压绝缘子污秽等级分类 | 第76页 |
·基于支持向量机的绝缘子污秽等级分类准确性分析 | 第76-79页 |
·本章小结 | 第79-80页 |
第7章 实验及结果分析 | 第80-90页 |
·试验设计 | 第80-81页 |
·试验图像及数据 | 第81-85页 |
·实验结果分析 | 第85-89页 |
·湿度对各级污秽特征分布的影响 | 第85-87页 |
·加载电压对各级污秽特征分布的影响 | 第87-89页 |
·其他试验结果及分析 | 第89页 |
·本章小结 | 第89-90页 |
结论 | 第90-92页 |
参考文献 | 第92-104页 |
附录A 攻读学位期间所发表的学术论文 | 第104-105页 |
附录B 攻读学位期间参与的相关科研项目 | 第105-106页 |
附录C 攻读学位期间相关科研项目成果及获奖情况 | 第106-107页 |
致谢 | 第107页 |