| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·课题研究内容 | 第11-13页 |
| 第2章 变压器油中气体产生机理及对应故障关系 | 第13-21页 |
| ·变压器油中气体的产生机理 | 第13-15页 |
| ·绝缘油分解的缘由 | 第13-14页 |
| ·固体绝缘材料分解的缘由 | 第14页 |
| ·油中气体其他方式的来源 | 第14-15页 |
| ·变压器的故障与气体组分的关系 | 第15页 |
| ·传统的变压器故障诊断方法 | 第15-16页 |
| ·基于油中溶解特征气体的传统变压器故障诊断法 | 第16-19页 |
| ·气体比值图示法 | 第19-20页 |
| ·立体图示法 | 第19-20页 |
| ·判断故障类型的其他方法 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 神经网络基本原理及结构 | 第21-33页 |
| ·神经网络的基本原理 | 第21页 |
| ·人工神经网络的基本模型及其结构 | 第21-24页 |
| ·神经元模型 | 第21-22页 |
| ·人工神经网络的结构与工作过程 | 第22-23页 |
| ·神经网络的基本特征和性质 | 第23-24页 |
| ·BP 神经网络 | 第24-32页 |
| ·BP 神经网络的结构 | 第24页 |
| ·BP 学习算法 | 第24-28页 |
| ·BP 神经网络算法的不足及改进 | 第28-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于 BP 神经网络的变压器故障诊断 | 第33-44页 |
| ·人工智能神经网络在故障诊断中的应用 | 第33页 |
| ·人工智能神经网络在智能故障诊断中的发展现状 | 第33页 |
| ·人工智能神经网络在变压器故障诊断中的应用 | 第33页 |
| ·用于变压器故障诊断的 BP 神经网络的设计 | 第33-42页 |
| ·学习样本的收集原则 | 第33-35页 |
| ·BP 网络输入与输出参数的确定 | 第35-36页 |
| ·神经网络数据的预处理 | 第36页 |
| ·网络隐含层神经元数目的确定 | 第36-42页 |
| ·BP 神经网络诊断模型的仿真实例分析 | 第42页 |
| ·本章小结 | 第42-44页 |
| 第5章 基于 GA 优化 BP 神经网络的变压器故障诊断 | 第44-56页 |
| ·遗传算法的基本理论 | 第44-45页 |
| ·遗传算法各参数的选取 | 第45-53页 |
| ·遗传算法优化 BP 神经网络故障诊断系统的测试 | 第53-54页 |
| ·实例分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 工作总结与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-62页 |
| 致谢 | 第62页 |