基于人工神经网络模型的变压器励磁涌流鉴别方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.3 本论文主要工作 | 第15-17页 |
| 第2章 励磁涌流数据采集分析 | 第17-27页 |
| 2.1 变电站事故分析系统简介 | 第17-19页 |
| 2.2 样本数据采集 | 第19-22页 |
| 2.2.1 Matlab仿真数据采集 | 第19-20页 |
| 2.2.2 动模试验数据采集 | 第20-21页 |
| 2.2.3 变电站现场数据采集 | 第21-22页 |
| 2.3 励磁涌流波形特征分析 | 第22-25页 |
| 2.4 神经网络训练输入特征量确定 | 第25-26页 |
| 2.4.1 励磁涌流特征信号提取的依据 | 第25页 |
| 2.4.2 特征量确定 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 BP神经网络在变压器故障诊断中的应用 | 第27-41页 |
| 3.1 BP神经网络 | 第27-34页 |
| 3.1.1 基本神经元 | 第27-29页 |
| 3.1.2 几种典型的神经网络介绍 | 第29-31页 |
| 3.1.3 BP神经网络模型 | 第31-32页 |
| 3.1.4 BP神经网络工作流程 | 第32-34页 |
| 3.2 BP网络参数和样本数据的选取 | 第34-36页 |
| 3.2.1 网络参数的选取 | 第34-35页 |
| 3.2.2 样本数据的选取 | 第35-36页 |
| 3.3 BP网络训练及其效果检验 | 第36-38页 |
| 3.3.1 神经网络训练 | 第36-37页 |
| 3.3.2 训练效果检验 | 第37-38页 |
| 3.4 分布式ANN在变压器故障诊断中的应用 | 第38-40页 |
| 3.4.1 分布式ANN模型 | 第38-39页 |
| 3.4.2 BP神经网络判别励磁涌流和内部故障 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 遗传神经网络在变压器故障诊断中的应用 | 第41-51页 |
| 4.1 遗传算法概述 | 第41-42页 |
| 4.1.1 基本遗传算法 | 第41页 |
| 4.1.2 遗传算法的操作算子 | 第41-42页 |
| 4.2 遗传算法优化神经网络 | 第42-43页 |
| 4.2.1 神经网络与遗传算法的辅助式结合 | 第42-43页 |
| 4.2.2 遗传算法与神经网络的合作式结合 | 第43页 |
| 4.3 遗传算法神经网络的实现 | 第43-49页 |
| 4.3.1 遗传神经网络的基本方案 | 第43-44页 |
| 4.3.2 遗传神经网络的实现方法 | 第44-45页 |
| 4.3.3 遗传神经网络励磁涌流识别的仿真实现 | 第45-49页 |
| 4.3.4 分布式遗传算法神经网络实现 | 第49页 |
| 4.4 本章小结 | 第49-51页 |
| 第5章 结论与展望 | 第51-53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 |
