| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题背景及意义 | 第9页 |
| ·电容型绝缘电流互感器故障诊断研究现状 | 第9-13页 |
| ·油中溶解性气体分析技术 | 第10页 |
| ·红外测温技术 | 第10-11页 |
| ·局部放电测量 | 第11-12页 |
| ·人工智能在设备故障诊断用的应用 | 第12-13页 |
| ·论文的主要工作及组织结构 | 第13-14页 |
| 第2章 故障特征及诊断方法 | 第14-27页 |
| ·电容型电流互感器结构 | 第14页 |
| ·典型故障分析 | 第14-16页 |
| ·互感器诊断方法 | 第16-26页 |
| ·油色谱分析 | 第16-17页 |
| ·电气绝缘实验 | 第17-19页 |
| ·红外测温技术 | 第19-23页 |
| ·局放信号去噪 | 第23-26页 |
| ·小结 | 第26-27页 |
| 第3章 应用SVM 和朴素贝叶斯分类器诊断故障性质 | 第27-39页 |
| ·基于SVM 的互感器故障类型初判 | 第27-34页 |
| ·支持向量机简介 | 第27-30页 |
| ·支持向量机多类分类器 | 第30-31页 |
| ·建立互感器定性分类诊断模型 | 第31-34页 |
| ·基于朴素贝叶斯的互感器故障类型初判 | 第34-38页 |
| ·贝叶斯分类器基础知识简介 | 第34-35页 |
| ·朴素贝叶斯分类器 | 第35-36页 |
| ·确定属性集和故障集 | 第36页 |
| ·数据预处理 | 第36页 |
| ·建立训练样本集和测试集 | 第36-37页 |
| ·建立基于NB 分类器的故障性质诊断模型 | 第37页 |
| ·实验结果分析 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第4章 基于 SVM 与 NB 的互感器多层次诊断模型 | 第39-49页 |
| ·前言 | 第39页 |
| ·选取属性集与故障集 | 第39-41页 |
| ·确定属性集 | 第39-40页 |
| ·确定故障类别 | 第40页 |
| ·数据预处理 | 第40-41页 |
| ·电容屏故障诊断 | 第41-42页 |
| ·基于支持向量机的电容屏诊断模型 | 第41-42页 |
| ·基于朴素贝叶斯的电容屏诊断模型 | 第42页 |
| ·总体诊断模型 | 第42-48页 |
| ·建立模型 | 第42-43页 |
| ·实例分析 | 第43-48页 |
| ·小结 | 第48-49页 |
| 第5章 结论与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第53-54页 |
| 致谢 | 第54-55页 |
| 详细摘要 | 第55-63页 |