| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·变压器局部放电在线监测的意义 | 第8-9页 |
| ·国内外研究现状以及存在问题 | 第9-12页 |
| ·现有局部放电在线监测系统结构及缺陷分析 | 第9页 |
| ·现有局部放电在线监测数据处理方式及缺陷分析 | 第9-12页 |
| ·本文主要研究内容 | 第12-13页 |
| 2 改进型局部放电在线监测方案的研究 | 第13-17页 |
| ·改进型局部放电在线监测方案的设计思路 | 第13-14页 |
| ·小波包分析去噪实现方式的改进 | 第14-15页 |
| ·局部放电模式识别中最优特征量组合选取的研究 | 第15-16页 |
| ·神经网络实现方式的改进 | 第16页 |
| ·小结 | 第16-17页 |
| 3 基于小波包分析的去噪算法在可编程器件上的实现 | 第17-33页 |
| ·小波包分析对局部放电信号的去噪方法研究 | 第17-21页 |
| ·小波包分析的阈值去噪原理分析 | 第17-21页 |
| ·采用相关性分析确定小波包分解最佳深度的研究 | 第21页 |
| ·实际局部放电信号去噪步骤的分析与实现方式的不足 | 第21-24页 |
| ·实际局部放电信号的去噪步骤与仿真分析 | 第21-23页 |
| ·数据压缩的实现 | 第23-24页 |
| ·小波包算法实现方式的缺陷与改进 | 第24页 |
| ·可编程器件实现小波包算法的研究 | 第24-30页 |
| ·可编程器件的优点和设计流程 | 第24-26页 |
| ·小波包算法在可编程器件上实现的研究 | 第26-30页 |
| ·基于可编程器件的小波包系统的仿真分析 | 第30-32页 |
| ·模拟局部放电信号的去噪仿真与系统的验证 | 第30-31页 |
| ·一种新的测试方法对实际PD 信号的仿真分析 | 第31-32页 |
| ·小结 | 第32-33页 |
| 4 局部放电特征量最优组合选取的研究 | 第33-49页 |
| ·常用的局部放电信号特征量的分析与初步筛选 | 第33-39页 |
| ·常用的局部放电特征量的分析 | 第33-38页 |
| ·特征量的初步筛选 | 第38-39页 |
| ·较优特征量选取准则的研究 | 第39-43页 |
| ·现有的特征量的选取准则与不足 | 第39-42页 |
| ·改进的综合选取准则的分析与实现 | 第42-43页 |
| ·遗传算法用于选取特征量最优组合的研究 | 第43-48页 |
| ·遗传算法及其应用 | 第43-44页 |
| ·新准则与遗传算法结合选取特征量最优组合的研究 | 第44-45页 |
| ·软件的设计与仿真分析 | 第45-48页 |
| ·小结 | 第48-49页 |
| 5 在局部放电模式识别上的应用及其在可编程器件上实现的初步研究 | 第49-71页 |
| ·局部放电模式识别中常用神经网络的分析 | 第49-55页 |
| ·常用神经网络的性能及存在的问题的分析 | 第49-52页 |
| ·RBF 神经网络的优点分析 | 第52-55页 |
| ·RBF 网络的优化设计研究 | 第55-59页 |
| ·RBF 网络的初始化分析 | 第55页 |
| ·采用多学习步长与动量项结合优化学习算法的研究 | 第55页 |
| ·采用单因素法优化学习步长参数、动量项参数的研究 | 第55-58页 |
| ·优化后的网络对实际局部放电模式识别的仿真分析 | 第58-59页 |
| ·RBF 网络在可编程器件上实现的初步研究 | 第59-68页 |
| ·RBF 网络的硬件结构建模及参数归一化的研究 | 第60-61页 |
| ·前馈环节的硬件实现 | 第61-67页 |
| ·后馈环节的硬件实现 | 第67-68页 |
| ·修正环节的硬件实现 | 第68页 |
| ·离线RBF 网络的仿真分析 | 第68-69页 |
| ·小节 | 第69-71页 |
| 6 结论 | 第71-73页 |
| ·研究成果 | 第71-72页 |
| ·后续工作的展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 附录1 作者在攻读硕士学位期间发表的论文 | 第77-78页 |