| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-6页 |
| 第一章 绪论 | 第6-12页 |
| 1．1 研究的目的和意义 | 第6-7页 |
| 1．2 国内外研究现状综述 | 第7-11页 |
| 1．2．1 基于专家系统的故障诊断 | 第7-9页 |
| 1．2．2 基于神经网络的故障诊断 | 第9-10页 |
| 1．2．3 基于神经网络与专家系统的故障诊断 | 第10-11页 |
| 1．3 本文所做的工作 | 第11-12页 |
| 第二章 人工神经网络简介 | 第12-25页 |
| 2．1 引言 | 第12页 |
| 2．2 人工神经网络简介 | 第12-17页 |
| 2．2．1 人工神经元模型 | 第13-14页 |
| 2．2．2 神经网络的结构 | 第14-15页 |
| 2．2．3 神经网络的研究历史 | 第15-16页 |
| 2．2．4 神经网络的研究内容 | 第16-17页 |
| 2．3 人工神经网络在电力系统中的应用 | 第17-18页 |
| 2．4 BP网络和BP算法 | 第18-23页 |
| 2．4．1 BP算法 | 第19-21页 |
| 2．4．2 BP学习算法中的几个值得注意的问题 | 第21-22页 |
| 2．4．3 BP学习过程及其流程图 | 第22-23页 |
| 2．5 小结 | 第23-25页 |
| 第三章 前馈神经网络的容错性研究 | 第25-36页 |
| 3．1 引言 | 第25-26页 |
| 3．2 前馈神经网络的容错性能分析 | 第26-29页 |
| 3．3 提高前馈神经网络的容错性能方法的研究 | 第29-35页 |
| 3．3．1 稳定性基本理论知识 | 第29-30页 |
| 3．3．2 提高前馈神经网络容错性能的实用方法 | 第30-35页 |
| 3．4 小结 | 第35-36页 |
| 第四章 变电站的知识表示 | 第36-46页 |
| 4．1 引言 | 第36-37页 |
| 4．2 故障诊断知识的神经网络表示 | 第37-39页 |
| 4．3 非故障诊断知识的关系数据库表示 | 第39-45页 |
| 4．3．1 关系数据库 | 第39-41页 |
| 4．3．2 设备结构和功能知识表示 | 第41-43页 |
| 4．3．3 样本知识的表示 | 第43-45页 |
| 4．4 小结 | 第45-46页 |
| 第五章 基于ANN和ES的变电站报警信息处理系统的开发 | 第46-63页 |
| 5．1 引言 | 第46-47页 |
| 5．2 基于ANN的故障诊断 | 第47-55页 |
| 5．2．1 故障诊断神经网络模型 | 第47页 |
| 5．2．2 网络诊断模块的类型和结构的确定 | 第47-50页 |
| 5．2．3 训练样本集的构造 | 第50-53页 |
| 5．2．4 神经网络的推理和解释机制 | 第53-55页 |
| 5．3 神经网络和专家系统的结合 | 第55-58页 |
| 5．4 系统开发和实例研究 | 第58-62页 |
| 5．5 小结 | 第62-63页 |
| 第六章 结论 | 第63-65页 |
| 6．1 总结 | 第63-64页 |
| 6．2 下一步工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-67页 |