| 中文摘要 | 第6-7页 |
| 英文摘要 | 第7页 |
| 第一章 绪论 | 第8-14页 |
| 1．1 变压器油中溶解气体微机在线监测系统概述 | 第9-10页 |
| 1．2 人工神经网络的发展与现状 | 第10-12页 |
| 1．3 本论文主要研究内容与研究成果 | 第12-13页 |
| 1．4 论文的组织 | 第13-14页 |
| 第二章 变压器油中溶解气体分析的理论基础 | 第14-24页 |
| 2．1 气敏元件的“交叉敏感” | 第14页 |
| 2．2 传统的混合气体分析手段——气相色谱法 | 第14-18页 |
| 2．3 新兴的混合气体分析手段——气敏元件阵列与模式识别技术 | 第18-23页 |
| 2．3．1 气敏阵列的基本理论 | 第18-19页 |
| 2．3．2 多变量分析模式识别法 | 第19-22页 |
| 2．3．2．1 变换最小方差法（TLS） | 第20-21页 |
| 2．3．2．2 局部模型气体分析法（PMB） | 第21-22页 |
| 2．3．3 神经网络模式识别法 | 第22-23页 |
| 2．4 小结 | 第23-24页 |
| 第三章 神经网络的基本原理 | 第24-44页 |
| 3．1 神经网络的基本特征 | 第24-26页 |
| 3．2 误差反向传播算法（BP网络） | 第26-39页 |
| 3．2．1 BP网络的基本原理 | 第26-29页 |
| 3．2．2 BP网络的算法 | 第29-34页 |
| 3．2．2．1 算法的基本递推关系式 | 第29-33页 |
| 3．2．2．2 算法的实现步骤 | 第33-34页 |
| 3．2．3 BP算法的收敛性及改进 | 第34-39页 |
| 3．2．3．1 算法的收敛性 | 第34-35页 |
| 3．2．3．2 算法的改进 | 第35-39页 |
| 3．3 BP网络泛化性能的改善 | 第39-43页 |
| 3．3．1 “过度吻合”现象 | 第39-40页 |
| 3．3．2 减少隐层节点数改善泛化性能 | 第40-41页 |
| 3．3．3 改变性能函数改善泛化性能 | 第41-43页 |
| 3．4 小结 | 第43-44页 |
| 第四章 基于神经网络模式识别的混合气体组分分析的研究 | 第44-62页 |
| 4．1 应用B-P网络的模式识别 | 第44-52页 |
| 4．1．1 基本原理 | 第44-47页 |
| 4．1．2 训练样本的采集与预处理 | 第47-50页 |
| 4．1．3 B-P网络训练 | 第50-52页 |
| 4．2 应用改进B-P网络的模式识别 | 第52-61页 |
| 4．2．1 标准B-P网络误差形成原因及改进措施 | 第52-55页 |
| 4．2．2 改进B-P网络训练 | 第55-57页 |
| 4．2．3 改进B-P网络性能评价 | 第57-61页 |
| 4．3 小结 | 第61-62页 |
| 第五章 变压器油中溶解气体微机在线监测系统 | 第62-70页 |
| 5．1 监测系统硬件设计 | 第62-66页 |
| 5．1．1 油气分离装置与传感器性能 | 第62-63页 |
| 5．1．2 测量硬件系统设计 | 第63-65页 |
| 5．1．3 计算机系统设计 | 第65-66页 |
| 5．2 监测系统软件设计 | 第66-68页 |
| 5．2．1 PLC软件设计 | 第66-67页 |
| 5．2．2 上位机VB程序设计 | 第67-68页 |
| 5．3 试验结果分析 | 第68-69页 |
| 5．4 小结 | 第69-70页 |
| 结束语 | 第70-71页 |
| 致谢 | 第71-72页 |
| 读研期间从事的课题 | 第72页 |
| 读研期间发表的论文 | 第72-73页 |
| 参考文献 | 第73-75页 |