| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·本课题的研究背景及意义 | 第10-13页 |
| ·本课题的研究背景 | 第10-12页 |
| ·本课题的研究意义 | 第12-13页 |
| ·本课题的国内外研究现状 | 第13-16页 |
| ·运用于开关柜中的电弧故障检测技术 | 第13-14页 |
| ·运用于汽车系统中的电弧故障检测技术 | 第14-15页 |
| ·电弧故障的频域检测技术 | 第15-16页 |
| ·故障电弧识别技术的新发展 | 第16页 |
| ·故障电弧识别的应用 | 第16页 |
| ·论文的研究内容和主要工作 | 第16-18页 |
| 第二章 故障电弧的分析 | 第18-23页 |
| ·电弧的基本概念 | 第18页 |
| ·故障电弧的产生 | 第18-20页 |
| ·故障电弧的基本性质 | 第20-23页 |
| ·故障电弧的类型 | 第20页 |
| ·故障电弧的特征 | 第20-23页 |
| 第三章 小波变换和模式识别算法 | 第23-34页 |
| ·小波变换理论 | 第23-25页 |
| ·连续小波变换 | 第23页 |
| ·离散小波变换 | 第23-24页 |
| ·小波函数的选择 | 第24-25页 |
| ·小波变换的时频域特性分析 | 第25页 |
| ·模式识别算法 | 第25-34页 |
| ·模式识别概述 | 第25-26页 |
| ·模式识别算法 | 第26-27页 |
| ·人工神经网络 | 第27-28页 |
| ·BP神经网络 | 第28-34页 |
| 第四章 基于小波变换和BP神经网络的故障电弧模式识别 | 第34-50页 |
| ·数据采集 | 第34-35页 |
| ·特征提取 | 第35-40页 |
| ·提取特征量 | 第35-39页 |
| ·特征分析 | 第39-40页 |
| ·模式识别 | 第40-50页 |
| ·输入样本的归一化处理 | 第42-45页 |
| ·构造BP神经网络模型 | 第45-48页 |
| ·网络训练与测试 | 第48-50页 |
| 第五章 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 在学研究成果 | 第54-55页 |
| 致谢 | 第55页 |