| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-17页 |
| ·引言 | 第9-10页 |
| ·故障诊断技术的现状与发展 | 第10-12页 |
| ·信号获取技术 | 第10-11页 |
| ·故障机理及故障征兆的研究 | 第11页 |
| ·信号处理方法和特征提取技术 | 第11-12页 |
| ·主要的智能诊断方法 | 第12-15页 |
| ·基于专家系统的故障诊断方法 | 第13页 |
| ·基于神经网络的故障诊断方法 | 第13-14页 |
| ·基于模糊理论的故障诊断方法 | 第14页 |
| ·基于故障树的故障诊断方法 | 第14-15页 |
| ·本文的主要工作、创新点与结构安排 | 第15-17页 |
| ·本文的主要工作 | 第15页 |
| ·本文的创新点 | 第15-16页 |
| ·结构安排 | 第16-17页 |
| 第二章 遗传规划的原理 | 第17-29页 |
| ·遗传规划概述 | 第17-19页 |
| ·遗传算法的局限性 | 第17-18页 |
| ·遗传规划简介 | 第18-19页 |
| ·遗传规划的基本原理 | 第19-28页 |
| ·遗传规划的基本步骤 | 第19-20页 |
| ·遗传规划的原理 | 第20-28页 |
| ·个体描述 | 第20-21页 |
| ·初始群体的生成 | 第21-23页 |
| ·适应度计算 | 第23-25页 |
| ·遗传算子 | 第25-27页 |
| ·终止准则 | 第27页 |
| ·结果评定 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于遗传规划智能诊断算法的设计和实现 | 第29-42页 |
| ·引言 | 第29页 |
| ·诊断模型设计 | 第29-32页 |
| ·程序分类图模型(Program Classification Map Model) | 第29-30页 |
| ·概率模型(Probabilistic Model) | 第30-32页 |
| ·3σ规则的动态边界 | 第32页 |
| ·基于分级聚类的多级诊断模型的工作原理 | 第32-36页 |
| ·训练过程 | 第33-35页 |
| ·分类过程 | 第35-36页 |
| ·PCM和PM适应度函数的算法实现 | 第36-39页 |
| ·PCM算法实现 | 第37-38页 |
| ·适应度计算 | 第37页 |
| ·终止条件 | 第37-38页 |
| ·PM算法实现 | 第38-39页 |
| ·适应度计算 | 第38-39页 |
| ·终止条件 | 第39页 |
| ·多级PM模型的伪代码 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 多级智能诊断模型在电力变压器故障诊断中的应用 | 第42-60页 |
| ·引言 | 第42-43页 |
| ·变压器诊断的气相色谱分析法 | 第43-45页 |
| ·气相色谱分析法的原理 | 第43-44页 |
| ·IEC三比值法 | 第44-45页 |
| ·电力变压器故障诊断方法现状 | 第45-46页 |
| ·遗传规划在电力变压器故障诊断中的应用 | 第46-59页 |
| ·实验环境 | 第46页 |
| ·数据来源 | 第46-47页 |
| ·训练样本的数据预处理 | 第47-48页 |
| ·GP中各参数的设置 | 第48页 |
| ·分级聚类过程 | 第48-51页 |
| ·PCM和PM模型的训练结果 | 第51-56页 |
| ·训练结果分析 | 第56页 |
| ·诊断实例 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 结束语 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间参与的科研项目 | 第65-66页 |
| 攻读硕士期间发表的论文 | 第66页 |
