| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 电容型设备故障诊断技术的研究现状 | 第9-10页 |
| 1.3 本文主要研究内容 | 第10-12页 |
| 2 电容型设备故障诊断的基础知识 | 第12-18页 |
| 2.1 电容型设备在线监测技术 | 第12-13页 |
| 2.2 电容型设备故障诊断原理 | 第13-17页 |
| 2.2.1 故障诊断基本原理 | 第13-14页 |
| 2.2.2 介质损耗因数测量方法 | 第14-15页 |
| 2.2.3 影响介质损耗因数测量结果的主要因素 | 第15-17页 |
| 2.3 本章小结 | 第17-18页 |
| 3 基于小波树的电容型设备故障诊断方法 | 第18-32页 |
| 3.1 基于支持向量机的介质损耗修正 | 第18-22页 |
| 3.1.1 基于优化的支持向量机的介质损耗修正方法 | 第18-19页 |
| 3.1.2 介质损耗因数监测值修正实例分析 | 第19-22页 |
| 3.2 基于小波树的电容型设备的突变性故障诊断方法 | 第22-30页 |
| 3.2.1 两层小波数理论 | 第23-24页 |
| 3.2.2 单元小波摘要 | 第24页 |
| 3.2.3 下层小波树诊断 | 第24-25页 |
| 3.2.4 上层小波树诊断 | 第25-27页 |
| 3.2.5 整体小波树诊断 | 第27-28页 |
| 3.2.6 诊断实例分析 | 第28-30页 |
| 3.3 本章小结 | 第30-32页 |
| 4 基于模糊神经网络的故障诊断算法 | 第32-40页 |
| 4.1 模糊神经元模型 | 第32-33页 |
| 4.2 模糊神经网络的结构与算法 | 第33-35页 |
| 4.2.1 模糊神经网络的结构 | 第33-34页 |
| 4.2.2 模糊神经网络算法 | 第34-35页 |
| 4.3 基于模糊神经网络电容型设备故障诊断 | 第35-39页 |
| 4.3.1 故障诊断特征值提取 | 第35页 |
| 4.3.2 故障特征向量的处理方法 | 第35页 |
| 4.3.3 学习样本的模糊化 | 第35-37页 |
| 4.3.4 故障神经网络模型的搭建 | 第37-39页 |
| 4.3.5 模糊神经网络故障诊断实例分析 | 第39页 |
| 4.4 本章小结 | 第39-40页 |
| 5 基于专家系统的电容型设备的故障诊断 | 第40-48页 |
| 5.1 专家系统特点、功能与开发 | 第40-43页 |
| 5.1.1 故障诊断专家系统的特点 | 第40页 |
| 5.1.2 系统软件的测试方法设计 | 第40-41页 |
| 5.1.3 系统软件的开发 | 第41页 |
| 5.1.4 系统软件的功能实现 | 第41-43页 |
| 5.2 主功能模块设计 | 第43-46页 |
| 5.2.1 当前数据显示模块 | 第43页 |
| 5.2.2 历史数据显示模块 | 第43-44页 |
| 5.2.3 参数曲线分析显示模块 | 第44-45页 |
| 5.2.4 故障诊断模块 | 第45页 |
| 5.2.5 生成报表模块 | 第45-46页 |
| 5.2.6 退出模块 | 第46页 |
| 5.3 本章小结 | 第46-48页 |
| 6 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48-49页 |
| 6.2 展望 | 第49-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-55页 |