| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 接地网故障诊断研究的背景及意义 | 第11-13页 |
| 1.1.1 接地网故障诊断的必要性 | 第11-12页 |
| 1.1.2 接地网故障诊断的难点 | 第12-13页 |
| 1.2 接地网性能的主要研究方向 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.4 本文结构及主要研究内容 | 第16-17页 |
| 第2章 接地网故障诊断基本知识 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 接地网安全性问题 | 第17-18页 |
| 2.3 接地网故障机理与腐蚀环境 | 第18-19页 |
| 2.3.1 接地网故障机理分析 | 第18页 |
| 2.3.2 接地网腐蚀环境 | 第18-19页 |
| 2.4 接地网故障诊断流程 | 第19页 |
| 2.5 接地网诊断数学模型 | 第19-21页 |
| 2.6 影响接地网诊断因素分析及消弱措施 | 第21-22页 |
| 2.7 本章小结 | 第22-23页 |
| 第3章 基于神经网络的接地网故障定位 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 神经网络 | 第23-27页 |
| 3.2.1 神经网络概述 | 第23-24页 |
| 3.2.2 神经网络的特点 | 第24-25页 |
| 3.2.3 学习算法 | 第25-27页 |
| 3.3 神经网络在故障诊断中的应用 | 第27-28页 |
| 3.4 基于神经网络的接地网故障诊断原理 | 第28-31页 |
| 3.4.1 接地网仿真模型 | 第28-29页 |
| 3.4.2 RBF 神经网络 | 第29-30页 |
| 3.4.3 诊断步骤 | 第30-31页 |
| 3.5 仿真算例 | 第31-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第4章 基于极限学习机的接地网断点定位 | 第33-48页 |
| 4.1 引言 | 第33页 |
| 4.2 极限学习机 | 第33-38页 |
| 4.2.1 极限学习机概述 | 第33-34页 |
| 4.2.2 极限学习机分类原理 | 第34-36页 |
| 4.2.3 支持向量机简介 | 第36-38页 |
| 4.3 极限学习机与支持向量机比较 | 第38-39页 |
| 4.4 应用极限学习机的接地网诊断 | 第39-40页 |
| 4.5 诊断实例及结果分析 | 第40-47页 |
| 4.5.1 ELM 与 SVM 诊断结果比较 | 第40-41页 |
| 4.5.2 单故障诊断准确性验证及结果分析 | 第41-45页 |
| 4.5.3 双故障诊断准确率验证及结果分析 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 基于概率神经网络的接地网故障识别 | 第48-65页 |
| 5.1 引言 | 第48页 |
| 5.2 概率神经网络 | 第48-53页 |
| 5.2.1 应用于模式识别的贝叶斯判决理论 | 第48-49页 |
| 5.2.2 概率神经网络原理 | 第49-50页 |
| 5.2.3 概率神经网络结构及其功能 | 第50-51页 |
| 5.2.4 概率神经网络的学习算法 | 第51-53页 |
| 5.3 主元分析 | 第53-55页 |
| 5.3.1 PCA 概述 | 第53-54页 |
| 5.3.2 PCA 模型 | 第54-55页 |
| 5.4 PNN 与 BP 神经网络比较 | 第55-57页 |
| 5.4.1 BP 神经网络简介 | 第55-56页 |
| 5.4.2 PNN 与 BP 神经网络分析比较 | 第56-57页 |
| 5.5 基于 PCA-PNN 模型的接地网诊断流程 | 第57-60页 |
| 5.5.1 PCA 的应用 | 第57-58页 |
| 5.5.2 PCA 实例分析 | 第58-59页 |
| 5.5.3 基于 PCA-PNN 模型的接地网诊断流程 | 第59-60页 |
| 5.6 基于 PCA-PNN 故障诊断实例 | 第60-64页 |
| 5.6.1 接地网模型与样本获取 | 第60-61页 |
| 5.6.2 诊断结果及分析 | 第61-64页 |
| 5.7 本章小结 | 第64-65页 |
| 结论与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 附录A （攻读学位期间发表的学术论文目录） | 第73-74页 |
| 附录B (攻读学位期间参加的科研工作) | 第74页 |