基于机器学习的电弧故障检测算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·引言 | 第9-10页 |
| ·电弧故障的定义及分类 | 第10-11页 |
| ·电弧故障检测技术的研究与应用 | 第11-12页 |
| ·论文研究内容和组织结构 | 第12-13页 |
| 第二章 电弧故障检测算法的总体框架 | 第13-16页 |
| ·电弧故障样本数据与模拟实测数据 | 第13-14页 |
| ·基于机器学习的电弧故障检测算法总体框架 | 第14-16页 |
| 第三章 电弧故障特征提取 | 第16-23页 |
| ·电弧故障数据的时域分析 | 第16-18页 |
| ·电弧故障数据的频域分析 | 第18-21页 |
| ·电弧故障数据的层次分析及特征确定 | 第21-22页 |
| ·子带能量比 | 第21-22页 |
| ·短时平均能量 | 第22页 |
| ·频谱质心 | 第22页 |
| ·过零率 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第四章 数据预处理方法 | 第23-30页 |
| ·数据清洗 | 第23-25页 |
| ·数据归一化 | 第25页 |
| ·数据降维 | 第25-29页 |
| ·基于PCA的数据降维算法原理 | 第25-28页 |
| ·电弧故障检测算法中的PCA数据降维方法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第五章 电弧故障分类器设计 | 第30-47页 |
| ·三种分类器相结合的组合分类器结构 | 第30-31页 |
| ·Logistic回归分类器 | 第31-35页 |
| ·指数分布族 | 第32-33页 |
| ·反向传导算法 | 第33-35页 |
| ·SVM分类器 | 第35-43页 |
| ·函数间隔和几何间隔 | 第36-39页 |
| ·SVM软间隔和核函数 | 第39-42页 |
| ·面向电弧故障分类的SVM模型优化 | 第42-43页 |
| ·随机森林分类器 | 第43-44页 |
| ·第二层分类器 | 第44-46页 |
| ·基于投票法的第二层分类器 | 第44-45页 |
| ·基于logistic回归模型的第二层分类器 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 电弧故障检测算法的测试与分析 | 第47-51页 |
| ·电弧故障识别率测试及分析 | 第47-49页 |
| ·误动作测试 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第七章 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 | 第55页 |
