| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究变压器故障诊断的意义 | 第9-11页 |
| ·变压器故障诊断专家系统的发展和现状 | 第11-12页 |
| ·引言 | 第11页 |
| ·研究现状 | 第11页 |
| ·需求分析 | 第11-12页 |
| ·本文的主要研究内容 | 第12-14页 |
| 第二章 电力变压器故障及早期故障诊断方法分析 | 第14-26页 |
| ·电力变压器故障的原因和种类 | 第14-15页 |
| ·电力变压器油中气体的产生机理和分析 | 第15-16页 |
| ·变压器内气体析出的原因 | 第15-16页 |
| ·变压器内绝缘油中气体产生的机理 | 第16页 |
| ·变压器内部故障类型与油中溶解气体含量的关系 | 第16-19页 |
| ·气体在绝缘油中的溶解度 | 第17页 |
| ·正常运行时和故障时油中气体含量 | 第17-19页 |
| ·基于油中溶解气体的传统故障诊断法 | 第19-22页 |
| ·特征气体法 | 第20页 |
| ·三比值判断法 | 第20-22页 |
| ·基于DGA的灰色关联分析变压器故障诊断 | 第22-24页 |
| ·相对的灰色关联分析 | 第22-23页 |
| ·灰色关联分析的应用和发展 | 第23-24页 |
| ·DGA应用的欠缺与不足 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第三章 人工神经网络技术及其在变压器故障诊断中的应用 | 第26-39页 |
| ·引言 | 第26-28页 |
| ·人工神经网络的特点 | 第26-27页 |
| ·人工神经网络技术的发展和研究现状 | 第27-28页 |
| ·人工神经网络基础 | 第28-32页 |
| ·人工神经元模型 | 第29-31页 |
| ·神经网络的性质 | 第31-32页 |
| ·误差逆传播(BP)神经网络的原理和改进 | 第32-38页 |
| ·BP神经网络的结构和学习过程 | 第32-33页 |
| ·BP神经网络的算法原理 | 第33-36页 |
| ·人工神经BP网络的不足与改进 | 第36-38页 |
| ·小结 | 第38-39页 |
| 第四章 变压器故障诊断中的BP网络设计 | 第39-53页 |
| ·学习样本的收集和预处理 | 第39-43页 |
| ·确定输入/输出模式 | 第43-45页 |
| ·BP网络结构的确定 | 第45-49页 |
| ·隐含层层数和节点数的确定 | 第45-48页 |
| ·BP网络结构中参数的确定 | 第48-49页 |
| ·基于matlab的BP网络训练和测试 | 第49-50页 |
| ·基于matlab的神经网络工具箱 | 第50页 |
| ·建立BP网络中的一点反思 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第五章 基于信息融合诊断的专家系统分析 | 第53-68页 |
| ·专家系统的结构 | 第53-54页 |
| ·神经网络与专家系统结合的方式 | 第54-56页 |
| ·变压器故障诊断专家系统的设计分析 | 第56-67页 |
| ·数据库的设计分析 | 第56-57页 |
| ·知识获取模块 | 第57-58页 |
| ·知识库的设计 | 第58-60页 |
| ·推理机 | 第60-63页 |
| ·解释模块 | 第63页 |
| ·多专家诊断信息融合 | 第63-66页 |
| ·实例 | 第66-67页 |
| ·小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附录A 参考文献 | 第70-73页 |
| 附录B 读学位期间的主要成果 | 第73页 |