| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 传统变压器故障诊断方法 | 第12-14页 |
| 1.2.2 基于智能算法的变压器故障诊断方法 | 第14-16页 |
| 1.2.3 基于信息融合的变压器故障诊断方法 | 第16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 第2章 基于粗糙集与多类支持向量机的变压器故障诊断 | 第18-34页 |
| 2.1 引言 | 第18-19页 |
| 2.2 粗糙集与多类支持向量机理论简介 | 第19-24页 |
| 2.2.1 粗糙集理论 | 第19-20页 |
| 2.2.2 多类支持向量机 | 第20-24页 |
| 2.3 基于粗糙集的多类支持向量机故障诊断方法 | 第24-28页 |
| 2.3.1 基于粗糙集的一对一多类支持向量机 | 第24-26页 |
| 2.3.2 故障类型划分及特征量选取 | 第26-27页 |
| 2.3.3 粗糙多类支持向量机的变压器故障诊断方法 | 第27-28页 |
| 2.4 变压器故障诊断实例分析及对比 | 第28-32页 |
| 2.4.1 实例分析 | 第28-31页 |
| 2.4.2 故障诊断方法对比 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于核主元分析与特征评估的变压器故障诊断 | 第34-49页 |
| 3.1 引言 | 第34-35页 |
| 3.2 理论基础 | 第35-38页 |
| 3.2.1 特征评估 | 第35-36页 |
| 3.2.2 核主元分析 | 第36-37页 |
| 3.2.3 多分类相关向量机 | 第37-38页 |
| 3.3 基于特征评估与特征提取的变压器故障诊断 | 第38-42页 |
| 3.3.1 故障特征量选取与故障类型划分 | 第38-40页 |
| 3.3.2 核函数的选取 | 第40-41页 |
| 3.3.3 故障特征提取及诊断流程 | 第41-42页 |
| 3.4 故障诊断实例对比分析 | 第42-47页 |
| 3.4.1 特征敏感性评估与特征提取 | 第42-46页 |
| 3.4.2 实例对比与分析 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 基于多信息融合的变压器故障诊断 | 第49-59页 |
| 4.1 引言 | 第49-50页 |
| 4.2 理论基础 | 第50-51页 |
| 4.2.1 证据理论 | 第50页 |
| 4.2.2 多证据体构造及特征融合 | 第50-51页 |
| 4.3 多信息融合模型 | 第51-53页 |
| 4.4 诊断实例及对比分析 | 第53-57页 |
| 4.4.1 基于D-S证据理论的故障决策融合 | 第53-55页 |
| 4.4.2 故障诊断效果对比分析 | 第55-57页 |
| 4.5 本章小结 | 第57-59页 |
| 结论与展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第66页 |
| 一、发表/录用/投稿的论文 | 第66页 |
| 二、参与科研项目 | 第66页 |