| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 本课题研究的背景及意义 | 第9-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 国内故障电弧检测技术的研究 | 第13-15页 |
| 1.2.2 国外故障电弧检测技术的研究 | 第15-16页 |
| 1.3 本课题研究内容 | 第16-18页 |
| 第2章 小波分析理论与模式识别算法 | 第18-26页 |
| 2.1 小波变换的理论 | 第18-21页 |
| 2.1.1 傅里叶变换 | 第18页 |
| 2.1.2 连续小波变换 | 第18-19页 |
| 2.1.3 离散小波变换 | 第19页 |
| 2.1.4 多分辨率分析与正交小波变换 | 第19-20页 |
| 2.1.5 小波分析与故障电弧检测中的应用 | 第20-21页 |
| 2.2 神经网络理论 | 第21-24页 |
| 2.2.1 BP神经网络 | 第22-23页 |
| 2.2.2 BP神经网络算法 | 第23-24页 |
| 2.3 BP神经网络的设计 | 第24-25页 |
| 2.4 本章小节 | 第25-26页 |
| 第3章 故障电弧实验与分析 | 第26-39页 |
| 3.1 故障电弧实验平台结构 | 第26-28页 |
| 3.2 故障电弧类型 | 第28-30页 |
| 3.3 串联故障电弧的特性 | 第30-36页 |
| 3.4 电弧共有特性 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 串联故障电弧的检测 | 第39-50页 |
| 4.1 数据进行消噪处理 | 第39-40页 |
| 4.2 采集电流信号的特征提取 | 第40-44页 |
| 4.2.1 小波变换模极大值的确定方法 | 第40-41页 |
| 4.2.2 Daubechies小波函数类型的确定 | 第41-43页 |
| 4.2.3 基于小波分解的故障电弧信号特征提取 | 第43-44页 |
| 4.3 基于神经网络的故障电弧检测 | 第44-47页 |
| 4.3.1 神经网络输入特征量的归一化处理 | 第44-45页 |
| 4.3.2 改进BP神经网络的设计 | 第45-47页 |
| 4.4 神经网络的训练与测试结果 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 结论 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 在学研究成果 | 第53-54页 |
| 致谢 | 第54页 |