基于贝叶斯网络的电抗器健康诊断
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·选题背景及研究意义 | 第9-10页 |
| ·目前研究现状 | 第10-13页 |
| ·传统的诊断方法 | 第10-11页 |
| ·基于人工智能的诊断方法 | 第11-12页 |
| ·其他与智能理论相结合的诊断方法 | 第12-13页 |
| ·论文的主要研究工作和组织结构 | 第13-14页 |
| 第2章 基于贝叶斯网络的电抗器故障诊断 | 第14-26页 |
| ·贝叶斯网络简介 | 第14-16页 |
| ·贝叶斯分类器及常见分类器模型的建立 | 第16-19页 |
| ·贝叶斯分类器 | 第16-17页 |
| ·朴素贝叶斯分类器模型 | 第17-18页 |
| ·选择贝叶斯分类器模型 | 第18-19页 |
| ·朴素贝叶斯分类器故障诊断模型 | 第19-24页 |
| ·故障产气机理分析 | 第19-21页 |
| ·属性变量的确定 | 第21-23页 |
| ·类变量的确定 | 第23页 |
| ·诊断模型的建立 | 第23-24页 |
| ·实例分析 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 电抗器健康诊断分层模型 | 第26-33页 |
| ·电抗器状态量和评分方案的确定 | 第26页 |
| ·状态量的确定 | 第26页 |
| ·评分方案的确定 | 第26页 |
| ·电抗器分层评分模型 | 第26-32页 |
| ·评分参数的确定 | 第26-27页 |
| ·评分模型的确定 | 第27页 |
| ·评分阈值的确定 | 第27-29页 |
| ·分层评估模型 | 第29-30页 |
| ·实例分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 电抗器状态的无偏灰色预测模型 | 第33-38页 |
| ·基本思想 | 第33页 |
| ·灰色理论简介 | 第33-37页 |
| ·传统灰色模型 | 第33-34页 |
| ·无偏GM(1,1)模型 | 第34-35页 |
| ·实例分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 基于贝叶斯网络的电抗器综合状态诊断模型 | 第38-42页 |
| ·基本思想 | 第38页 |
| ·综合健康诊断模型的建立 | 第38-39页 |
| ·诊断模型条件概率表的确定 | 第39-40页 |
| ·实例分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第6章 结论与展望 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 在攻读硕士期间发表的学术论文 | 第46-47页 |
| 致谢 | 第47页 |
