| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题相关背景与意义 | 第10-11页 |
| 1.2 国内外输电线路故障分类的研究现状及存在的问题 | 第11-14页 |
| 1.2.1 输电线路故障分类方法的研究现状 | 第11-12页 |
| 1.2.2 标准支持向量机在输电线路故障分类的研究现状 | 第12-13页 |
| 1.2.3 模糊支持向量机应用于故障识别的研究现状 | 第13-14页 |
| 1.3 本文的主要工作 | 第14页 |
| 1.4 论文的组织 | 第14-16页 |
| 第2章 希尔伯特-黄变换及模糊支持向量机的相关原理 | 第16-26页 |
| 2.1 希尔伯特-黄变换相关理论 | 第16-19页 |
| 2.1.1 瞬时频率的定义 | 第16-17页 |
| 2.1.2 经验模态分解 | 第17-18页 |
| 2.1.3 希尔伯特谱和边际谱 | 第18-19页 |
| 2.2 模糊支持向量机、支持向量回归机的相关理论 | 第19-23页 |
| 2.2.1 模糊支持向量机的相关原理 | 第19-21页 |
| 2.2.2 支持向量回归机的相关原理 | 第21-23页 |
| 2.3 遗传、粒子群、网格优化算法基本原理 | 第23-25页 |
| 2.3.1 遗传优化算法的基本原理 | 第23-24页 |
| 2.3.2 粒子群优化算法的基本原理 | 第24-25页 |
| 2.3.3 网格优化算法的基本原理 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于模糊支持向量机与支持向量回归机的输电线路故障分类模型研究 | 第26-50页 |
| 3.1 引言 | 第26页 |
| 3.2 输电线路故障信号特征量的选择与提取 | 第26-28页 |
| 3.3 输电线路支持向量机故障分类模型的构建 | 第28-31页 |
| 3.3.1 支持向量机核函数的选择 | 第28-29页 |
| 3.3.2 支持向量机参数优化 | 第29-31页 |
| 3.4 模糊支持向量机带状分段隶属度函数的构造 | 第31-35页 |
| 3.4.1 双超球分段隶属度函数设计 | 第32-33页 |
| 3.4.2 带状分段隶属度函数设计 | 第33-35页 |
| 3.5 模糊支持向量机输电线故障分类模型的构造 | 第35-37页 |
| 3.5.1 模糊支持向量机分类模型的构造及分类步骤 | 第35-36页 |
| 3.5.2 样本点决策函数值的求解 | 第36-37页 |
| 3.6 最优分类回归函数的构造 | 第37-39页 |
| 3.6.1 支持向量回归机核函数选择 | 第37页 |
| 3.6.2 支持向量回归机的参数优化 | 第37-39页 |
| 3.6.3 支持向量回归机预测模型的建立 | 第39页 |
| 3.7 输电线路故障分类流程与步骤 | 第39-41页 |
| 3.8 仿真分析 | 第41-49页 |
| 3.8.1 仿真模型 | 第41-42页 |
| 3.8.2 仿真结果及分析 | 第42-49页 |
| 3.9 本章小结 | 第49-50页 |
| 第4章 基于主成分分析的故障分类降维显示方法 | 第50-66页 |
| 4.1 引言 | 第50页 |
| 4.2 主元分析法相关原理介绍 | 第50-51页 |
| 4.3 基于主元分析降维训练集测试集数据的选择及显示方法 | 第51-52页 |
| 4.4 仿真结果分析 | 第52-65页 |
| 4.4.1 单相接地短路数据空间三维图分布 | 第52-56页 |
| 4.4.2 两相短路数据空间三维分布图 | 第56-59页 |
| 4.4.3 两相接地短路数据空间三维分布图 | 第59-63页 |
| 4.4.4 三相短路数据空间三维分布图 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73-79页 |
| 附录1 主要调用函数及参数详解 | 第73-75页 |
| 附录2 带状分段隶属度函数程序 | 第75-78页 |
| 附录3 决策函数值求解程序 | 第78-79页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第79页 |
