综合故障诊断方法在电力变压器故障诊断中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·课题来源 | 第9页 |
| ·课题的研究背景及意义 | 第9-11页 |
| ·国内外研究现状及发展趋势 | 第11-13页 |
| ·传统的故障诊断方法 | 第11页 |
| ·基于人工智能的故障诊断方法 | 第11-13页 |
| ·课题研究内容 | 第13-14页 |
| ·论文结构安排 | 第14-15页 |
| 2 基于编码三比值法的故障诊断策略 | 第15-19页 |
| ·编码三比值法 | 第15-16页 |
| ·三比值法的MATLAB程序设计 | 第16-17页 |
| ·三比值法的优点 | 第17-18页 |
| ·三比值法的不足 | 第18页 |
| ·本章小结 | 第18-19页 |
| 3 基于BP神经网络的故障诊断策略 | 第19-31页 |
| ·神经网络模型及应用 | 第19-21页 |
| ·BP神经网络 | 第21-23页 |
| ·BP神经网络机理 | 第21页 |
| ·BP神经网络的数学描述 | 第21-22页 |
| ·BP神经网络的算法实现 | 第22-23页 |
| ·基于BP神经网络的诊断模型 | 第23-25页 |
| ·BP网络诊断模型的仿真实验 | 第25-29页 |
| ·BP神经网络的训练 | 第25-29页 |
| ·BP神经网络的测试 | 第29页 |
| ·本章小结 | 第29-31页 |
| 4 PCA和D-S证据理论结合的故障诊断策略 | 第31-39页 |
| ·D-S证据理论 | 第31-32页 |
| ·基于PCA的故障检测方法 | 第32-33页 |
| ·基于PCA和D-S证据理论的智能故障诊断策略 | 第33-34页 |
| ·PCA和D-S证据理论相结合的故障诊断模型 | 第34-37页 |
| ·基于PCA的故障诊断方法 | 第35-36页 |
| ·PCA和D-S证据理论相结合的智能诊断方法 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 5 基于RS优化的PNN网络故障诊断策略 | 第39-49页 |
| ·粗糙集理论的优化过程 | 第39-40页 |
| ·原始样本决策表的建立 | 第39页 |
| ·粗糙集的约简 | 第39-40页 |
| ·基于PNN的故障诊断方法 | 第40-41页 |
| ·基于RS的PNN故障诊断策略 | 第41-42页 |
| ·基于RS的PNN故障诊断模型 | 第42-46页 |
| ·样本数据的选取 | 第42页 |
| ·决策表的约简 | 第42-44页 |
| ·PNN神经网络的训练 | 第44-45页 |
| ·PNN网络诊断结果的判定 | 第45-46页 |
| ·六种变压器故障诊断模型的对比分析 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 6 结论与展望 | 第49-51页 |
| ·结论 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 附录 | 第57-67页 |
| 附录A | 第57-59页 |
| 附录B | 第59-63页 |
| 附录C | 第63-65页 |
| 附录D | 第65-67页 |
| 攻读学位期间发表的学术论文 | 第67-69页 |
| 致谢 | 第69页 |
