| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.2 课题的国内外研究现状 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12-14页 |
| 第2章 海缆及故障诊断相关理论 | 第14-26页 |
| 2.1 基于分布式光纤传感器的光纤复合海底电缆监测 | 第14-15页 |
| 2.1.1 布里渊传感系统 | 第14页 |
| 2.1.2 海缆监测系统 | 第14-15页 |
| 2.2 小波与小波包 | 第15-19页 |
| 2.2.1 小波变换 | 第16-17页 |
| 2.2.2 小波包变换 | 第17-19页 |
| 2.3 神经网络 | 第19-25页 |
| 2.3.1 BP神经网络 | 第19-23页 |
| 2.3.2 PNN神经网络 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 海缆监测数据故障特征提取 | 第26-38页 |
| 3.1 海缆故障分类及产生原因 | 第26-27页 |
| 3.1.1 机械故障分析 | 第26-27页 |
| 3.1.2 电气故障分析 | 第27页 |
| 3.2 海缆监测数据故障模拟 | 第27-28页 |
| 3.3 小波降噪 | 第28-32页 |
| 3.3.1 小波的阈值消噪方法 | 第29-30页 |
| 3.3.2 仿真分析 | 第30-32页 |
| 3.4 特征提取 | 第32-34页 |
| 3.4.1 相关参数确定 | 第32-33页 |
| 3.4.2 海缆故障特征提取 | 第33-34页 |
| 3.5 特征提取结果分析 | 第34-37页 |
| 3.5.1 电气故障特征提取 | 第34-36页 |
| 3.5.2 机械故障特征提取 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 海缆故障模式识别 | 第38-47页 |
| 4.1 基于BP神经网络的海缆故障诊断 | 第38-43页 |
| 4.1.1 BP神经网络结构设计 | 第38-39页 |
| 4.1.2 基于BP神经网络的诊断过程 | 第39-40页 |
| 4.1.3 诊断结果分析 | 第40-43页 |
| 4.2 基于概率神经网络的海缆故障诊断 | 第43-45页 |
| 4.2.1 PNN网络构建 | 第43-44页 |
| 4.2.2 诊断结果分析 | 第44-45页 |
| 4.3 BP、PNN网络诊断性能比较 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 基于虚拟仪器的海底电缆故障诊断系统设计 | 第47-52页 |
| 5.1 虚拟仪器开发环境介绍 | 第47页 |
| 5.2 海缆故障诊断系统总体设计 | 第47-48页 |
| 5.3 系统各模块设计 | 第48-51页 |
| 5.3.1 小波降噪模块 | 第48-49页 |
| 5.3.2 特征提取模块 | 第49页 |
| 5.3.3 模式识别模块 | 第49-51页 |
| 5.4 诊断过程演示 | 第51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-57页 |
| 致谢 | 第57页 |