| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-24页 |
| ·课题的学术背景及理论与实际意义 | 第10-11页 |
| ·电网故障诊断方法的国内外现状分析 | 第11-18页 |
| ·专家系统 | 第12-13页 |
| ·人工神经网络 | 第13-14页 |
| ·Petri网络 | 第14-15页 |
| ·模糊理论 | 第15-16页 |
| ·遗传算法 | 第16页 |
| ·数据挖掘 | 第16-17页 |
| ·信息理论 | 第17页 |
| ·多代理系统 | 第17-18页 |
| ·现有方法存在的问题 | 第18页 |
| ·粗糙集理论的发展和应用 | 第18-21页 |
| ·人工神经网络理论的发展和应用 | 第21-23页 |
| ·本论文所做的工作 | 第23-24页 |
| 第2章 粗糙集理论及其在电网故障诊断中的应用 | 第24-34页 |
| ·知识的含义 | 第24-25页 |
| ·粗糙集合的定义 | 第25-26页 |
| ·知识的化简 | 第26-27页 |
| ·决策表与决策规则 | 第27-28页 |
| ·决策表的属性约简算法 | 第28-30页 |
| ·电网故障诊断的决策表约简实例 | 第30-34页 |
| 第3章 量子神经网络及其在电网故障诊断中的应用 | 第34-44页 |
| ·神经网络概述 | 第34-35页 |
| ·量子神经网络理论 | 第35-37页 |
| ·量子门和通用量子门组 | 第35-37页 |
| ·量子神经元 | 第37页 |
| ·BP神经网络与量子神经网络的算法比较 | 第37-41页 |
| ·量子神经网络模型 | 第41-42页 |
| ·量子神经网络在电网故障诊断中的训练和使用 | 第42-44页 |
| 第4章 粗糙集和量子神经网络相结合的电网故障诊断方法 | 第44-56页 |
| ·基本思想 | 第44-45页 |
| ·算法描述 | 第45-46页 |
| ·基于粗糙集理论的知识提取和属性约简 | 第45-46页 |
| ·量子神经网络模型的建立和训练 | 第46页 |
| ·故障诊断结果输出 | 第46页 |
| ·简单配电网算例 | 第46-54页 |
| ·量子神经网络算法与BP神经网络算法的比较 | 第48-51页 |
| ·粗糙集-量子神经网络电网故障诊断方法 | 第51-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 大规模电网故障诊断方法与实现 | 第56-73页 |
| ·引言 | 第56页 |
| ·模糊神经网络算法 | 第56-58页 |
| ·概率神经网络算法 | 第58-59页 |
| ·粗神经网络算法 | 第59-60页 |
| ·径向基神经网络算法 | 第60-61页 |
| ·大电网模型故障诊断算例分析 | 第61-72页 |
| ·算法流程 | 第61页 |
| ·模型的仿真计算 | 第61-68页 |
| ·仿真结果分析 | 第68页 |
| ·与其它方法的比较 | 第68-72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间发表的论文及参与项目 | 第82页 |