| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-30页 |
| 1.1 课题的提出 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-26页 |
| 1.2.1 电力系统故障诊断研究现状 | 第13-20页 |
| 1.2.2 脉冲神经膜系统研究现状 | 第20-26页 |
| 1.3 论文研究内容 | 第26-27页 |
| 1.4 论文结构安排 | 第27-30页 |
| 第2章 模糊推理实数加权脉冲神经膜系统 | 第30-44页 |
| 2.1 引言 | 第30页 |
| 2.2 脉冲神经膜系统定义 | 第30-31页 |
| 2.3 标准模糊推理实数脉冲神经膜系统定义 | 第31-32页 |
| 2.4 模糊推理实数加权脉冲神经膜系统(rWFRSNPS)定义 | 第32-36页 |
| 2.5 加权矩阵推理算法 | 第36-38页 |
| 2.6 rWFRSNPS建模 | 第38-43页 |
| 2.7 小结 | 第43-44页 |
| 第3章 基于模糊推理实数加权预判脉冲神经膜系统的电力系统故障诊断 | 第44-62页 |
| 3.1 引言 | 第44页 |
| 3.2 模糊推理实数加权预判脉冲神经膜系统(rWPFRSNPS)定义 | 第44-47页 |
| 3.3 矩阵推理算法 | 第47-50页 |
| 3.4 rWPFRSNPS建模 | 第50-52页 |
| 3.5 基于rWPFRSNPS的故障诊断方法 | 第52-61页 |
| 3.5.1 元件分层rWPFRSNPS诊断模型 | 第52-57页 |
| 3.5.2 时序信息处理 | 第57-60页 |
| 3.5.3 故障诊断方法 | 第60-61页 |
| 3.6 小结 | 第61-62页 |
| 第4章 基于模糊推理梯形模糊数脉冲神经膜系统的电力系统故障诊断 | 第62-81页 |
| 4.1 引言 | 第62页 |
| 4.2 模糊推理梯形模糊数脉冲神经膜系统(tFRSNPS)定义 | 第62-67页 |
| 4.3 模糊推理算法 | 第67-69页 |
| 4.4 tFRSNPS建模 | 第69-75页 |
| 4.5 基于tFRSNPS的故障诊断方法 | 第75-80页 |
| 4.5.1 基于推理模型的故障诊断策略 | 第75-76页 |
| 4.5.2 故障模糊产生式规则集 | 第76-79页 |
| 4.5.3 故障诊断方法 | 第79-80页 |
| 4.6 小结 | 第80-81页 |
| 第5章 基于优化脉冲神经膜系统的电力系统故障诊断 | 第81-90页 |
| 5.1 引言 | 第81页 |
| 5.2 优化脉冲神经膜系统(OSNPS)定义 | 第81-84页 |
| 5.3 基于OSNPS的故障诊断方法 | 第84-89页 |
| 5.3.1 基于OSNPS的故障诊断方法流程 | 第85-86页 |
| 5.3.2 基于OSNPS的故障元件识别算法 | 第86-89页 |
| 5.4 小结 | 第89-90页 |
| 第6章 脉冲神经膜系统故障诊断实例 | 第90-126页 |
| 6.1 引言 | 第90页 |
| 6.2 rWFRSNPS故障诊断实例 | 第90-96页 |
| 6.2.1 诊断系统描述 | 第90-92页 |
| 6.2.2 rWFRSNPS故障诊断模型 | 第92-93页 |
| 6.2.3 算例分析 | 第93-96页 |
| 6.3 rWPFRSNPS故障诊断实例 | 第96-105页 |
| 6.3.1 问题描述 | 第97-98页 |
| 6.3.2 诊断系统描述 | 第98-100页 |
| 6.3.3 算例分析 | 第100-105页 |
| 6.4 tFRSNPS故障诊断实例 | 第105-116页 |
| 6.4.1 问题描述 | 第105页 |
| 6.4.2 算例分析 | 第105-116页 |
| 6.5 OSNPS故障诊断实例 | 第116-123页 |
| 6.5.1 问题描述 | 第116-120页 |
| 6.5.2 算例分析 | 第120-123页 |
| 6.6 对比分析 | 第123-124页 |
| 6.7 小结 | 第124-126页 |
| 结论与展望 | 第126-128页 |
| 致谢 | 第128-129页 |
| 参考文献 | 第129-138页 |
| 攻读博士学位期间科研成果 | 第138-139页 |
| 学术论文 | 第138-139页 |
| 发明专利 | 第139页 |
| 学术著作 | 第139页 |
| 参与科研项目 | 第139页 |
