| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·变压器局部放电测量中模式自动识别的意义 | 第8-9页 |
| ·局部放电模式自动识别研究的发展状况 | 第9-13页 |
| ·局部放电模式识别方法概述 | 第9页 |
| ·局部放电模式构造 | 第9-10页 |
| ·局部放电模式特征参数 | 第10-11页 |
| ·局部放电模式识别分类器 | 第11-13页 |
| ·论文的研究目标和主要内容 | 第13-14页 |
| 2 局部放电三维谱图的小波多尺度变换 | 第14-28页 |
| ·引言 | 第14页 |
| ·三维φ- q-n 谱图的构造 | 第14-18页 |
| ·局部放电模拟实验及方法 | 第14-15页 |
| ·构造局部放电灰度图像 | 第15-18页 |
| ·小波多尺度变换的原理 | 第18-22页 |
| ·小波变换简介 | 第18-19页 |
| ·数字图像小波的分解与重构 | 第19-21页 |
| ·Daubechies 小波性质分析 | 第21-22页 |
| ·三维谱图的小波多尺度变换及分析 | 第22-27页 |
| ·Sinsin 信号的分析 | 第22-23页 |
| ·局部放电信号灰度图和三维谱图的小波分解 | 第23-25页 |
| ·子图的分析 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 局部放电三维谱图分形特征和矩特征的提取及识别 | 第28-42页 |
| ·引言 | 第28页 |
| ·局部放电三维谱图分形特征 | 第28-32页 |
| ·分形的定义 | 第28页 |
| ·分维数的计算 | 第28-29页 |
| ·多重分形的计算 | 第29-30页 |
| ·空缺率的计算 | 第30-31页 |
| ·提取局部放电分形特征 | 第31-32页 |
| ·局部放电三维谱图矩特征 | 第32-34页 |
| ·矩的基本理论 | 第32页 |
| ·中心矩 | 第32-33页 |
| ·提取局部放电矩特征 | 第33-34页 |
| ·基于BP 神经网络的局部放电模式识别 | 第34-41页 |
| ·BP 神经网络结构模型 | 第34-36页 |
| ·BP 神经网络训练的算法实现 | 第36-38页 |
| ·基于BP 神经网络的局部放电模式识别实验结果及数据分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 4 基于小波神经网络的局部放电三维谱图的模式识别 | 第42-57页 |
| ·引言 | 第42页 |
| ·基于小波神经网络的局部放电模式识别 | 第42-48页 |
| ·小波神经网络的模型 | 第42-44页 |
| ·小波神经网络训练算法实现 | 第44-45页 |
| ·基于小波神经网络的局部放电模式识别实验结果及数据分析 | 第45-48页 |
| ·基于遗传算法的优化小波神经网络模型 | 第48-56页 |
| ·遗传算法及其应用 | 第48-50页 |
| ·遗传算法优化小波神经网络 | 第50-54页 |
| ·基于遗传优化小波神经网络的局部放电模式识别实验结果及数据分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 5 总结 | 第57-58页 |
| ·主要工作和结论 | 第57页 |
| ·还需进一步研究的问题 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-65页 |
| 作者在攻读硕士学位期间发表的论文 | 第63-65页 |
