| 目录 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·电力变压器故障诊断的重要性与意义 | 第9-10页 |
| ·电力变压器故障诊断的发展及研究现状 | 第10-12页 |
| ·本文的主要研究内容 | 第12-15页 |
| 第二章 电力变压器故障分析与诊断 | 第15-25页 |
| ·变压器故障原因及类型 | 第15-17页 |
| ·变压器故障原因 | 第15-16页 |
| ·变压器故障类型 | 第16-17页 |
| ·变压器故障诊断的理论基础 | 第17-18页 |
| ·变压器故障诊断方法 | 第18-24页 |
| ·油中溶解气体分析(DGA)方法 | 第18-21页 |
| ·推理方法 | 第21-23页 |
| ·人工智能方法 | 第23-24页 |
| ·结论 | 第24-25页 |
| 第三章 基于BP网络的变压器故障诊断 | 第25-37页 |
| ·人工神经网络 | 第25-27页 |
| ·人工神经元模型 | 第25-26页 |
| ·神经网络的基本特征和性质 | 第26-27页 |
| ·BP网络 | 第27-29页 |
| ·BP网络的算法 | 第27-28页 |
| ·BP算法的实现步骤 | 第28-29页 |
| ·基于BP网络的变压器故障诊断模型 | 第29-35页 |
| ·学习样本的收集 | 第30-31页 |
| ·神经网络结构的确定 | 第31页 |
| ·隐含层节点数的确定 | 第31-32页 |
| ·BP网络各层之间的传递函数 | 第32-33页 |
| ·BP网络的训练过程 | 第33-35页 |
| ·实例分析 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第四章 基于模糊神经网络的变压器故障诊断 | 第37-47页 |
| ·模糊理论 | 第37-39页 |
| ·模糊理论的主要特点 | 第37-38页 |
| ·模糊集合 | 第38-39页 |
| ·模糊神经元及模糊神经网络 | 第39-40页 |
| ·隶属函数的确定 | 第40-41页 |
| ·基于模糊神经网络的变压器故障诊断模型及方法 | 第41-46页 |
| ·诊断模型 | 第42-43页 |
| ·学习算法 | 第43-45页 |
| ·网络的训练 | 第45-46页 |
| ·实例分析 | 第46页 |
| ·小结 | 第46-47页 |
| 第五章 基于D-S证据理论信息融合的电力变压器分级故障诊断模型 | 第47-65页 |
| ·引言 | 第47页 |
| ·信息融合技术在变压器故障诊断中的应用 | 第47-49页 |
| ·信息融合的层次结构 | 第47-48页 |
| ·基于信息融合的变压器故障诊断模型 | 第48-49页 |
| ·D-S证据理论在变压器故障诊断中的应用 | 第49-57页 |
| ·基本概念及公式 | 第49-52页 |
| ·Dempster组合规则 | 第52-53页 |
| ·D-S证据理论的决策方法 | 第53-54页 |
| ·基于D-S证据理论的变压器故障诊断模型 | 第54-57页 |
| ·电力变压器模块化分级故障诊断模型 | 第57-61页 |
| ·实例分析 | 第61-63页 |
| ·小结 | 第63-65页 |
| 第六章 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 学位论文评阅及答辩情况表 | 第72页 |