基于DS证据理论与互信息网络的电网故障诊断方法
| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 第1章 绪论 | 第12-18页 |
| ·本课题的提出和意义 | 第12页 |
| ·输电网故障诊断国内外研究现状分析 | 第12-15页 |
| ·专家系统 | 第13页 |
| ·人工神经网络 | 第13页 |
| ·优化技术 | 第13-14页 |
| ·模糊集理论 | 第14-15页 |
| ·粗糙集理论 | 第15页 |
| ·Petri网络 | 第15页 |
| ·DS证据理论的研究现状分析 | 第15-16页 |
| ·互信息网络的研究现状分析 | 第16页 |
| ·本论文的主要工作 | 第16-18页 |
| 第2章 DS证据理论与信息理论 | 第18-25页 |
| ·DS证据理论简介 | 第18-19页 |
| ·信息理论 | 第19-22页 |
| ·信息熵 | 第20页 |
| ·条件熵 | 第20-21页 |
| ·互信息 | 第21-22页 |
| ·条件互信息 | 第22页 |
| ·分类问题 | 第22-23页 |
| ·互信息网络模型 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于DS证据理论的输电网故障诊断 | 第25-41页 |
| ·DS证据理论应用于输电网故障诊断的基本思想 | 第25-26页 |
| ·识别框架的确立 | 第26-28页 |
| ·输电网故障诊断信息来源 | 第26页 |
| ·基于扩散原理与信息理论的识别框架 | 第26-28页 |
| ·基于贝叶斯方法的DS证据的表达 | 第28-34页 |
| ·概率论的基本思想 | 第28-29页 |
| ·贝叶斯定理 | 第29页 |
| ·电网故障诊断贝叶斯概率推理 | 第29-31页 |
| ·蕴含时序属性的贝叶斯方法 | 第31-32页 |
| ·不确定性信息的取值 | 第32-33页 |
| ·证据的表达 | 第33-34页 |
| ·DS证据的合成 | 第34-35页 |
| ·算例分析 | 第35-39页 |
| ·算例1 | 第35-37页 |
| ·算例2 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 基于互信息网络的输电网故障诊断 | 第41-59页 |
| ·输电网故障诊断信息来源分析 | 第41页 |
| ·基于互信息网络的输电网故障诊断模型 | 第41-48页 |
| ·选取候选输入属性和目标属性 | 第42页 |
| ·建立训练样本集 | 第42-43页 |
| ·构造输电网故障诊断互信息网络 | 第43-46页 |
| ·互信息网络规则提取 | 第46-47页 |
| ·实时电网故障诊断 | 第47页 |
| ·分裂系数β的讨论 | 第47页 |
| ·算法的时间、空间复杂度分析 | 第47-48页 |
| ·基于互信息网络的输电网故障诊断算例分析 | 第48-55页 |
| ·候选输入属性和目标属性的选择 | 第49-50页 |
| ·训练样本集 | 第50-51页 |
| ·生成互信息网络 | 第51-53页 |
| ·故障测试 | 第53-55页 |
| ·基于互信息网络的复杂电网故障诊断 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表的论文 | 第64-65页 |
