| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 选题背景及研究意义 | 第10-12页 |
| 1.2 基于DGA数据的变压器故障诊断的研究现状 | 第12-16页 |
| 1.2.1 传统故障诊断方法的研究现状 | 第12-14页 |
| 1.2.2 基于人工智能算法的故障诊断方法研究现状 | 第14-16页 |
| 1.3 本文的研究工作 | 第16-18页 |
| 第2章 牵引变压器的运行特点及产气机理分析 | 第18-33页 |
| 2.1 牵引变压器的运行特点 | 第18-23页 |
| 2.1.1 牵引负荷特性 | 第18-19页 |
| 2.1.2 牵引变压器温升及绝缘寿命损失 | 第19-23页 |
| 2.2 变压器油中溶解气体的产生 | 第23-32页 |
| 2.2.1 气体的产生机理分析 | 第24-27页 |
| 2.2.2 气体的溶解机理分析 | 第27-29页 |
| 2.2.3 故障类型与油中特征气体的关系 | 第29-32页 |
| 2.3 小结 | 第32-33页 |
| 第3章 牵引变压器油中气体动态阈值研究 | 第33-42页 |
| 3.1 牵引负荷对油中气体产生的影响 | 第33-35页 |
| 3.2 牵引负荷对油中气体溶解的影响 | 第35-37页 |
| 3.3 牵引变压器油中气体动态阈值模型 | 第37-41页 |
| 3.3.1 模型的需求分析 | 第37页 |
| 3.3.2 模型假设 | 第37页 |
| 3.3.3 物理模型 | 第37-39页 |
| 3.3.4 油中气体故障诊断的动态阈值模型 | 第39-40页 |
| 3.3.5 油中气体动态阈值模型的求解思路 | 第40-41页 |
| 3.4 小结 | 第41-42页 |
| 第4章 RBFNN动态阈值故障诊断技术 | 第42-53页 |
| 4.1 RBFNN概述 | 第42-46页 |
| 4.1.1 RBFNN结构模型 | 第42-43页 |
| 4.1.2 RBFNN常用的算法 | 第43-45页 |
| 4.1.3 RBFNN的泛化能力 | 第45页 |
| 4.1.4 RBFNN的优点及不足 | 第45-46页 |
| 4.2 RBFNN结构优化 | 第46-49页 |
| 4.2.1 RBFNN中心的优化 | 第46-47页 |
| 4.2.2 RBFNN宽度及权值的优化 | 第47-48页 |
| 4.2.3 优化RBFNN算法的性能测试 | 第48-49页 |
| 4.3 RBFNN动态阈值故障诊断方法 | 第49-52页 |
| 4.3.1 误差修正模型 | 第50页 |
| 4.3.2 RBFNN动态阈值故障诊断思路 | 第50-51页 |
| 4.3.3 RBFNN动态阈值故障诊断方法的实现流程 | 第51-52页 |
| 4.4 小结 | 第52-53页 |
| 第5章 动态阈值故障诊断技术在牵引变压器中的应用 | 第53-59页 |
| 5.1 特征参量选取 | 第53-54页 |
| 5.2 动态阂值诊断方法的建立 | 第54-55页 |
| 5.2.1 输入输出神经元的确定 | 第54-55页 |
| 5.2.2 隐含层神经元的确定 | 第55页 |
| 5.2.3 神经网络的训练 | 第55页 |
| 5.3 仿真与测试 | 第55-58页 |
| 5.4 小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录1 | 第66-71页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第71页 |
| 参与的科研项目 | 第71页 |