第一章 概述 | 第1-25页 |
一、 安全评价 | 第18-20页 |
二、 国外安全评价的发展 | 第20-21页 |
三、 国内安全评价的发展 | 第21-22页 |
四、 电气安全及其评价 | 第22-23页 |
五、 本论文的意义和基本内容 | 第23-25页 |
第二章 电气安全评价因素与因素分析 | 第25-44页 |
一、 建立评价因素体系的原则 | 第25-26页 |
二、 电气安全评价因素体系的建立 | 第26-28页 |
三、 电气安全评价因素分析 | 第28-44页 |
(一) 防触电安全性 | 第28-31页 |
(二) 防静电安全性 | 第31-35页 |
(三) 防雷电安全性 | 第35-37页 |
(四) 防电气引燃源 | 第37-41页 |
(五) 电气安全管理现状 | 第41-44页 |
第三章 电气安全评价的神经网络模型的建立 | 第44-61页 |
一、 神经网络系统总体设计 | 第44-46页 |
(一) 神经网络的使用范围 | 第44页 |
(二) 神经网络的设计过程与需求分析 | 第44-45页 |
(三) 神经网络的性能评价 | 第45-46页 |
(四) 输入数据的预处理 | 第46页 |
二、 神经网络的基本原理 | 第46-48页 |
(一) 神经元 | 第46-47页 |
(二) 网络结构 | 第47-48页 |
(三) 神经网络的工作原理 | 第48页 |
三、 神经网络应用于电气安全性评价的可行性分析 | 第48-50页 |
四、 电气安全评价中的神经网络模型结构 | 第50-53页 |
(一) 网络结构类型的选择 | 第50页 |
(二) 网络结构的确定 | 第50-53页 |
1 、 输入层的确定 | 第51页 |
2 、 输出层的确定 | 第51-52页 |
3 、 隐含层的确定 | 第52-53页 |
五、 神经网络的学习算法 | 第53-61页 |
(一) 多层网络的网络结构图 | 第53-54页 |
(二) 多层网络的输入和输出 | 第54页 |
(三) 多层网络的BP算法的性能指数 | 第54-55页 |
(四) Levenberg-Marquardt算法 | 第55-61页 |
第四章 电气安全评价BP模型的训练和测试 | 第61-81页 |
一、 神经网络中的正交设计法 | 第61-63页 |
(一) 正交设计法原理 | 第61-62页 |
(二) 正交设计法的应用原理 | 第62-63页 |
二、 电气安全性评价BP模型的训练样本的选择 | 第63-64页 |
三、 评价因子的量化方法 | 第64-65页 |
四、 各系统BP模型的训练和测试 | 第65-81页 |
(一) 防触电安全性子系统的BP模型 | 第65-67页 |
1 、 网络结构 | 第65页 |
2 、 训练样本的输入和输出 | 第65-66页 |
3 、 训练后网络模型的权值矩阵和偏置值 | 第66-67页 |
4 、 网络模型的收敛 | 第67页 |
(二) 防静电安全性子系统的BP模型 | 第67-70页 |
1 、 网络结构 | 第67-68页 |
2 、 训练样本的输入和输出 | 第68页 |
3 、 训练后网络模型的权值矩阵和偏置值 | 第68-69页 |
4 、 网络模型的收敛 | 第69-70页 |
(三) 防雷电安全性子系统的BP模型 | 第70-73页 |
1 、 网络结构 | 第70页 |
2 、 训练样本的输入和输出 | 第70-71页 |
3 、 训练后网络模型的权值矩阵和偏置值 | 第71-72页 |
4 、 网络模型的收敛 | 第72-73页 |
(四) 防电气引燃源子系统的BP模型 | 第73-75页 |
1 、 网络结构 | 第73页 |
2 、 训练样本的输入和输出 | 第73页 |
3 、 训练后网络模型的权值矩阵和偏置值 | 第73-74页 |
4 、 网络模型的收敛 | 第74-75页 |
(五) 电气安全管理现状子系统的BP模型 | 第75-78页 |
1 、 网络结构 | 第75-76页 |
2 、 训练样本的输入和输出 | 第76页 |
3 、 训练后网络模型的权值矩阵和偏置值 | 第76-77页 |
4 、 网络模型的收敛 | 第77-78页 |
(六) 电气安全性大系统的BP模型 | 第78-81页 |
1 、 网络结构 | 第78页 |
2 、 训练样本的输入和输出 | 第78页 |
3 、 训练后网络模型的权值矩阵和偏置值 | 第78-79页 |
4 、 网络模型的收敛 | 第79-81页 |
第五章 总结 | 第81-82页 |
参考文献 | 第82-85页 |
致谢 | 第85页 |