| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第15-23页 |
| 1.1 课题研究背景 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-21页 |
| 1.3 本文的主要工作 | 第21-23页 |
| 2 高压断路器机械状态监测状态量的确定 | 第23-32页 |
| 2.1 基于分合闸线圈电流的机械状态监测原理 | 第23-25页 |
| 2.2 基于断路器行程-时间曲线的机械状态监测原理 | 第25-28页 |
| 2.3 基于振动信号的机械状态监测原理 | 第28-29页 |
| 2.4 状态量的选取 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 状态监测实验平台 | 第32-44页 |
| 3.1 实验平台结构 | 第32-33页 |
| 3.2 实验平台硬件选型 | 第33-38页 |
| 3.3 实验平台软件系统 | 第38-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 振动信号特征量提取 | 第44-60页 |
| 4.1 振动状态量分析算法的选取 | 第44-51页 |
| 4.2 状态特征量的提取 | 第51-59页 |
| 4.3 本章小结 | 第59-60页 |
| 5 断路器机械状态识别方法的研究 | 第60-77页 |
| 5.1 人工神经网络简介 | 第60-62页 |
| 5.2 量子遗传算法 | 第62-70页 |
| 5.3 断路器机械状态识别方法的改造 | 第70-72页 |
| 5.4 基于量子遗传神经网络的断路器机械状态识别 | 第72-75页 |
| 5.5 本章小结 | 第75-77页 |
| 6 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 作者简历 | 第84-86页 |
| 学位论文数据集 | 第86页 |