| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·课题的研究背景和意义 | 第8-9页 |
| ·发电机转子绕组匝间短路故障诊断国内外研究现状分析 | 第9-12页 |
| ·本文的研究工作 | 第12页 |
| ·本章小结 | 第12-13页 |
| 2 汽轮发电机转子绕组匝间短路故障机理分析 | 第13-27页 |
| ·同步发电机转子基本结构 | 第13-14页 |
| ·同步发电机转子绕组匝间短路的原因与分类 | 第14-15页 |
| ·转子绕组匝间短路产生的原因 | 第14-15页 |
| ·转子绕组匝间短路的分类 | 第15页 |
| ·发电机转子绕组匝间短路故障机理分析 | 第15-24页 |
| ·短路引起的气隙磁场畸变 | 第15-16页 |
| ·短路引起的振动 | 第16-18页 |
| ·短路故障引起发电机电气量的变化 | 第18-23页 |
| ·短路故障对电磁波在转子绕组中的传播影响 | 第23-24页 |
| ·常见故障诊断和检测方法 | 第24-26页 |
| ·静止状态下的检测诊断 | 第24页 |
| ·空转状态的检测诊断 | 第24-25页 |
| ·并网带负载状态的检测诊断 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于 RBF 神经网络的匝间短路故障诊断方法 | 第27-41页 |
| ·人工神经网络概述 | 第27-30页 |
| ·人工神经元模型 | 第27-28页 |
| ·神经网络模型 | 第28-29页 |
| ·神经网络的基本性质及应用 | 第29-30页 |
| ·RBF 径向基函数神经网络 | 第30-35页 |
| ·RBF 神经网络结构 | 第30-31页 |
| ·RBF 神经网络的映射关系 | 第31-32页 |
| ·RBF 神经网络的训练准则和常用算法 | 第32-34页 |
| ·RBF 网络与BP 网络的比较分析 | 第34-35页 |
| ·RBF 径向基函数神经网络在故障诊断中的应用研究 | 第35-40页 |
| ·转子绕组匝间短路的磁动势分析 | 第35-38页 |
| ·训练样本的选取 | 第38-39页 |
| ·训练样本的数据处理 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 4 基于 PSO-RBF 神经网络的短路故障诊断模型研究 | 第41-63页 |
| ·概述 | 第41页 |
| ·基于粒子群算法的RBF 神经网络故障诊断模型建立 | 第41-50页 |
| ·基本的粒子群优化算法 | 第41-45页 |
| ·改进的粒子群算法 | 第45-47页 |
| ·粒子群算法优化RBF 神经网络故障诊断模型 | 第47-50页 |
| ·基于PSO-RBF 神经网络在绕组匝间短路故障诊断中的应用 | 第50-54页 |
| ·PSO-RBF 网络故障诊断框图 | 第50-51页 |
| ·神经网络诊断系统的输入、输出变量的预处理 | 第51-54页 |
| ·PSO-RBF 网络故障诊断模型在匝间短路故障诊断中的应用 | 第54页 |
| ·实验仿真及其分析 | 第54-62页 |
| ·利用MATLAB 构建RBF 神经网络 | 第54-56页 |
| ·RBF 神经网络与BP 神经网络故障诊断的实现及性能比较分析 | 第56-58页 |
| ·PSO-RBF 神经网络故障诊断模型的检验 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 5 结论与展望 | 第63-64页 |
| ·结论 | 第63页 |
| ·展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68页 |
| A. 作者在攻读学位期间发表的论文目录 | 第68页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第68页 |
