基于支持向量机的超高压直流输电系统故障诊断的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-23页 |
| ·课题背景 | 第10-11页 |
| ·故障诊断方法综述 | 第11-17页 |
| ·基于解析模型的方法 | 第11-12页 |
| ·专家系统 | 第12-13页 |
| ·基于模式识别的方法 | 第13-16页 |
| ·支持向量机 | 第16-17页 |
| ·支持向量机的提出 | 第16页 |
| ·支持向量机的理论研究和应用 | 第16-17页 |
| ·支持向量机的特点 | 第17页 |
| ·HVDC系统概述 | 第17-21页 |
| ·HVDC系统的发展概况 | 第17-19页 |
| ·HVDC系统的特点及应用领域 | 第19-21页 |
| ·HVDC系统的特点分析 | 第19-20页 |
| ·应用领域 | 第20-21页 |
| ·国内外在HVDC系统故障诊断中的研究 | 第21页 |
| ·本文主要工作及创新点 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 2 时频分析方法-S变换 | 第23-31页 |
| ·常用的信号处理方法 | 第23页 |
| ·Fourier变换 | 第23-24页 |
| ·短时Fourier变换 | 第24-25页 |
| ·小波变换 | 第25-27页 |
| ·S变换 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 3 SVM基本理论 | 第31-44页 |
| ·概述 | 第31页 |
| ·机器学习和统计学习理论 | 第31-36页 |
| ·学习问题的表示 | 第31-33页 |
| ·经验风险最小化 | 第33页 |
| ·VC维 | 第33-34页 |
| ·结构风险最小化 | 第34-36页 |
| ·SVM | 第36-42页 |
| ·最优分类超平面 | 第36-38页 |
| ·广义最优分类面 | 第38-40页 |
| ·SVM的思想 | 第40-41页 |
| ·常用的核函数 | 第41-42页 |
| ·多分类问题 | 第42页 |
| ·本章小结 | 第42-44页 |
| 4 HVDC系统故障特征提取 | 第44-64页 |
| ·HVDC系统的组成 | 第44-45页 |
| ·系统常见故障 | 第45-47页 |
| ·换流器内部故障 | 第46页 |
| ·外部故障 | 第46-47页 |
| ·仿真用的模型 | 第47-50页 |
| ·故障曲线和特征提取 | 第50-63页 |
| ·故障曲线 | 第50-57页 |
| ·特征提取与分析 | 第57-63页 |
| ·本章小结 | 第63-64页 |
| 5 SVM故障诊断 | 第64-79页 |
| ·Libsvm及其应用 | 第65-68页 |
| ·样本数据 | 第68-73页 |
| ·数据获取方法 | 第68-69页 |
| ·训练样本数据 | 第69-71页 |
| ·测试样本数据 | 第71-73页 |
| ·故障诊断及结果分析 | 第73-78页 |
| ·多项式核函数诊断结果 | 第73-75页 |
| ·RBF诊断结果 | 第75-77页 |
| ·结论 | 第77-78页 |
| ·本章小结 | 第78-79页 |
| 6 模糊SVM在HVDC故障分类中的应用 | 第79-85页 |
| ·模糊SVM的算法 | 第79-80页 |
| ·确定成员函数 | 第80-82页 |
| ·仿真研究 | 第82-84页 |
| ·本章小结 | 第84-85页 |
| 总结 | 第85-86页 |
| 参考文献 | 第86-89页 |
| 附录 | 第89-91页 |
| 致谢 | 第91-92页 |
| 攻读学位期间发表的学术论文目录 | 第92-93页 |
| 声明 | 第93页 |
