| 前言 | 第1-9页 |
| 第一章 概述 | 第9-17页 |
| 1．1 国内外状态检修的发展动态 | 第9-14页 |
| 1．1．1 电力设备检修策略的历史发展阶段： | 第9-10页 |
| 1．1．2 国外电力设备状态检修的现状 | 第10-12页 |
| 1．1．3 国内电力设备状态检修的现状 | 第12-14页 |
| 1．2 实现电力设备状态检修系统的现实意义 | 第14-15页 |
| 1．3 福建省电力设备状态检修系统 | 第15页 |
| 1．4 电力设备状态智能管理系统 | 第15-17页 |
| 第二章 基本理论 | 第17-29页 |
| 2．1 人工智能的基本理论 | 第17-20页 |
| 2．2 粗糙集理论 | 第20-23页 |
| 2．2．1 粗糙集理论与决策表化简 | 第21-22页 |
| 2．2．2 属性数据的离散化方法 | 第22-23页 |
| 2．3 人工神经网络理论 | 第23-26页 |
| 2．3．1 人工神经元模型 | 第23-24页 |
| 2．3．2 神经网络中的BP算法 | 第24-26页 |
| 2．4 遗传算法 | 第26-28页 |
| 2．5 ASP技术 | 第28页 |
| 2．6 Oracle数据库 | 第28-29页 |
| 第三章 系统总体设计 | 第29-52页 |
| 3．1 福建省电力设备状态检修系统 | 第29-41页 |
| 3．1．1 变电站电气设备状态检修系统 | 第29-31页 |
| 3．1．2 水电机组状态监测与诊断系统 | 第31-36页 |
| 3．1．3 火电设备状态检修系统 | 第36页 |
| 3．1．4 电力设备状态检修中心 | 第36-41页 |
| 3．2 电力设备状态智能管理系统 | 第41-52页 |
| 3．2．1 设备状态检修智能诊断系统逻辑框架 | 第41-42页 |
| 3．2．2 设备状态智能管理系统流程图 | 第42-52页 |
| 第四章 系统的效果分析 | 第52-64页 |
| 4．1 设备状态智能管理系统的建立档案模块 | 第52-56页 |
| 4．1．1 建立设备分类档案 | 第53页 |
| 4．1．2 根据专业建立某一设备的状态档案 | 第53-54页 |
| 4．1．3 建立各个专业的设备状态概率数据库 | 第54-56页 |
| 4．2 数据预处理的模块 | 第56-57页 |
| 4．3 化简样本集的模块 | 第57-59页 |
| 4．3．1 离散化 | 第57-58页 |
| 4．3．2 决策表化简 | 第58-59页 |
| 4．3．3 压缩样本集 | 第59页 |
| 4．4 人工神经网络和遗传算法的有机结合在本系统中的应用 | 第59-62页 |
| 4．4．1 利用遗传算法确定人工神经网络结构和参数的模块 | 第59-61页 |
| 4．4．2 诊断模块 | 第61页 |
| 4．4．3 输出模块 | 第61-62页 |
| 4．5 分析 | 第62-64页 |
| 4．5．1 对两专业都参与诊断的结果分析 | 第62页 |
| 4．5．2 只有一种专业参与诊断的分析 | 第62-63页 |
| 4．5．3 小结 | 第63-64页 |
| 第五章 结论及今后的工作 | 第64-66页 |
| 5．1 结论 | 第64-65页 |
| 5．2 今后的工作： | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 说明 | 第69-70页 |
| 附录 | 第70-76页 |
| 附录A： 作者在攻读硕士学位期间撰写发表的论文 | 第70页 |
| 附录B： 作者在攻读硕士学位期间参加的学术活动 | 第70-71页 |
| 附录C： 福建省电网近年来主变压器缺陷或故障情况汇总表 | 第71-73页 |
| 附录D： “电力设备状态智能管理系统”的原始数据汇总表 | 第73-74页 |
| 附录E： 离散后的的决策表 | 第74-75页 |
| 附录F： 神经网络的输入量 | 第75-76页 |
| 附件1： 人工神经网络理论 | 第76-82页 |
| 1-1 人工神经元模型 | 第76-78页 |
| 1-2 神经网络中的BP算法： | 第78-82页 |
| 附件2： 遗传算法 | 第82-94页 |
| 2-1 基本理 | 第82-92页 |
| 2-1-1 基因操作 | 第84-89页 |
| 2-1-2 基因操作对种群模式的单一影响及其综合影响 | 第89-92页 |
| 2-2 遗传算法的求解方法 | 第92-94页 |
| 2-3 参数的选择 | 第94页 |
| 2-4 遗传算法的应用研究概括 | 第94页 |
