| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题背景及研究意义 | 第10-11页 |
| ·电力设备维修策略的发展 | 第11页 |
| ·变压器故障诊断技术研究现状 | 第11-13页 |
| ·基于DGA的传统诊断技术 | 第12页 |
| ·基于DGA的智能诊断技术 | 第12-13页 |
| ·论文的主要研究内容 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第二章 基于DGA的变压器故障诊断建模机理 | 第15-24页 |
| ·变压器内部故障与油中溶解气体分析 | 第15-18页 |
| ·变压器故障原因及分类 | 第15-16页 |
| ·油中溶解气体分析方法原理 | 第16页 |
| ·变压器内部故障类型与油中溶解气体含量的蕴含关系 | 第16-18页 |
| ·基于DGA的传统诊断方法 | 第18-22页 |
| ·气体含量极限值和产气率判断法 | 第18-19页 |
| ·特征气体法 | 第19-20页 |
| ·比值法 | 第20-22页 |
| ·基于DGA的变压器智能故障诊断建模机理 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 多种神经网络用于变压器故障诊断的研究分析 | 第24-48页 |
| ·人工神经网络与故障诊断 | 第24-27页 |
| ·人工神经网络简介 | 第24-26页 |
| ·神经网络的结构 | 第24-25页 |
| ·神经网络的学习 | 第25-26页 |
| ·神经网络的特性 | 第26页 |
| ·神经网络故障诊断原理 | 第26-27页 |
| ·BPNN变压器故障诊断模型 | 第27-35页 |
| ·三层BP网络模型和学习过程 | 第27-30页 |
| ·本文设计的BPNN变压器故障诊断模型 | 第30-34页 |
| ·BPNN输入输出层的设计 | 第30-31页 |
| ·BPNN学习样本的选取 | 第31页 |
| ·BPNN隐含层的设计 | 第31-33页 |
| ·BPNN权值阈值初始值的确定 | 第33页 |
| ·BPNN训练函数的选取 | 第33-34页 |
| ·网络仿真 | 第34-35页 |
| ·PNN变压器故障诊断模型 | 第35-39页 |
| ·PNN模型及算法 | 第35-38页 |
| ·本文设计的PNN变压器故障诊断模型 | 第38页 |
| ·网络仿真 | 第38-39页 |
| ·LVQNN变压器故障诊断模型 | 第39-43页 |
| ·LVQNN模型及算法 | 第39-42页 |
| ·本文设计的LVQNN变压器故障诊断模型及仿真 | 第42-43页 |
| ·ElmanNN变压器故障诊断模型 | 第43-45页 |
| ·ElmanNN模型及算法 | 第43-44页 |
| ·本文设计的ElmanNN变压器故障诊断模型及仿真 | 第44-45页 |
| ·不同类型神经网络对变压器故障诊断结果的比较分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于可拓理论的变压器故障诊断研究 | 第48-63页 |
| ·可拓学的理论基础 | 第48-52页 |
| ·可拓学概述 | 第48页 |
| ·物元理论 | 第48-50页 |
| ·可拓集合与关联函数 | 第50-52页 |
| ·可拓诊断方法原理 | 第52-54页 |
| ·可拓方法用于故障诊断的可行性 | 第52-53页 |
| ·可拓方法诊断故障步骤 | 第53-54页 |
| ·变压器故障诊断的可拓模型及实例分析 | 第54-62页 |
| ·变压器标准故障模式 | 第55-56页 |
| ·变压器可拓故障诊断 | 第56-59页 |
| ·实例分析 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的论文 | 第69页 |