| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·变压器故障诊断的目的和意义 | 第8页 |
| ·变压器故障类型 | 第8-9页 |
| ·变压器故障诊断的研究现状 | 第9-14页 |
| ·本论文的主要工作 | 第14-16页 |
| 2 BP神经网络及支持向量机理论 | 第16-28页 |
| ·BP神经网络概述 | 第16-19页 |
| ·BP神经网络算法的实现 | 第16-19页 |
| ·BP神经网络的特点 | 第19页 |
| ·二分类支持向量机 | 第19-25页 |
| ·最优分类超平面 | 第20-23页 |
| ·核函数的引入 | 第23-24页 |
| ·支持向量机分类算法 | 第24-25页 |
| ·多分类支持向量机 | 第25-26页 |
| ·小结 | 第26-28页 |
| 3 基于BP神经网络的变压器故障诊断 | 第28-38页 |
| ·引言 | 第28页 |
| ·L-M算法和自适应学习速率的梯度下降动量BP算法 | 第28-29页 |
| ·样本的选择 | 第29-30页 |
| ·输入样本归一化处理 | 第30页 |
| ·初始权值的设计 | 第30-31页 |
| ·BP神经网络结构设计 | 第31-32页 |
| ·输入层设计 | 第31页 |
| ·输出层设计 | 第31页 |
| ·隐含层设计 | 第31-32页 |
| ·训练算法的选择 | 第32-35页 |
| ·性能测试 | 第35-36页 |
| ·小结 | 第36-38页 |
| 4 基于人工鱼群神经网络的变压器故障诊断 | 第38-52页 |
| ·引言 | 第38页 |
| ·人工鱼群算法简介 | 第38-42页 |
| ·人工鱼群算法典型行为 | 第38-39页 |
| ·人工鱼群算法的实现 | 第39-40页 |
| ·人工鱼群算法中的参数对收敛性能的影响 | 第40-41页 |
| ·建立人工鱼模型 | 第41-42页 |
| ·人工鱼群神经网络的算法实现 | 第42-45页 |
| ·人工鱼群神经网络的训练及测试 | 第45-50页 |
| ·人工鱼群神经网络的训练 | 第45-49页 |
| ·性能测试 | 第49-50页 |
| ·小结 | 第50-52页 |
| 5 基于SVM的变压器故障诊断 | 第52-60页 |
| ·引言 | 第52页 |
| ·基于二叉树支持向量机的分类方法 | 第52-53页 |
| ·类间分离性测度 | 第53-54页 |
| ·结合类间分离性测度和二叉树SVM的算法实现 | 第54-56页 |
| ·支持向量机的训练及性能测试 | 第56-59页 |
| ·支持向量机的训练 | 第56-57页 |
| ·性能测试 | 第57-59页 |
| ·小结 | 第59-60页 |
| 6 结论 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 附录 | 第70-71页 |