| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及研究目的和意义 | 第10-11页 |
| 1.2 电能质量扰动概述 | 第11-13页 |
| 1.2.1 电能质量的定义 | 第11页 |
| 1.2.2 电能质量的分类 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.3.1 电能质量扰动分析的特征提取方法 | 第13-15页 |
| 1.3.2 电能质量扰动分析的分类方法 | 第15-16页 |
| 1.4 论文的主要研究内容 | 第16-18页 |
| 第2章 电能质量扰动及时频分解 | 第18-28页 |
| 2.1 常见的电能质量扰动及信号模型 | 第18-20页 |
| 2.2 电能质量扰动不同的时频分解方法 | 第20-21页 |
| 2.3 不同时频分解效果 | 第21-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 基于微分熵相空间重构的递归分析研究 | 第28-41页 |
| 3.1 混沌与相空间重构理论基础 | 第28-29页 |
| 3.1.1 混沌系统与相空间重构理论知识 | 第28-29页 |
| 3.1.2 Takens理论 | 第29页 |
| 3.2 相空间重构参数确定方法 | 第29-35页 |
| 3.2.1 延迟时间的选取 | 第29-31页 |
| 3.2.2 嵌入维数的选取 | 第31-33页 |
| 3.2.3 基于微分熵的相空间重构 | 第33-35页 |
| 3.3 递归图 | 第35-36页 |
| 3.4 混沌时间序列的特征量 | 第36-40页 |
| 3.4.1 基于熵的复杂性分析——近似熵 | 第36-37页 |
| 3.4.2 基于分形的自相似性分析——关联维 | 第37-38页 |
| 3.4.3 基于递归定量的确定性分析——递归定量参数 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 扰动信号的分类方法 | 第41-48页 |
| 4.1 人工神经网络概述 | 第41-42页 |
| 4.2 常用的神经网络方法 | 第42-47页 |
| 4.2.1 BP神经网络 | 第42-44页 |
| 4.2.2 SVM支持向量机 | 第44-45页 |
| 4.2.3 ELM极限学习机 | 第45-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第5章 仿真实验及实际工程应用分析 | 第48-64页 |
| 5.1 电能质量扰动信号仿真实验分析 | 第48-59页 |
| 5.1.1 基于微分熵的相空间重构 | 第48-52页 |
| 5.1.2 递归图定性分析扰动类型 | 第52-55页 |
| 5.1.3 基于递归定量的确定性分析 | 第55-56页 |
| 5.1.4 基于神经网络的扰动分类 | 第56-59页 |
| 5.2 工程应用分析 | 第59-63页 |
| 5.2.1 实际工程信号 | 第59-60页 |
| 5.2.2 实际信号分类效果 | 第60-63页 |
| 5.3 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71页 |