基于小波分析与SVM的故障电弧识别统计研究
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 选题意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 故障电弧识别国内外研究现状 | 第10-13页 |
| 1.2.2 支持向量机理论国内外研究现状 | 第13-15页 |
| 1.2.3 现有国内外研究的总结与评价 | 第15-16页 |
| 1.3 研究思路及基本框架 | 第16-17页 |
| 1.4 本文创新点 | 第17-18页 |
| 第2章 相关理论概述 | 第18-28页 |
| 2.1 支持向量机理论 | 第18-24页 |
| 2.1.1 线性可分支持向量机 | 第18-21页 |
| 2.1.2 线性支持向量机 | 第21-23页 |
| 2.1.3 非线性支持向量机 | 第23-24页 |
| 2.2 小波分析理论 | 第24-28页 |
| 2.2.1 小波函数 | 第25-26页 |
| 2.2.2 连续小波变换 | 第26页 |
| 2.2.3 离散小波变换 | 第26页 |
| 2.2.4 多分辨率分析 | 第26-28页 |
| 第3章 基于小波分析的故障电弧特征分析 | 第28-38页 |
| 3.1 数据说明 | 第28页 |
| 3.2 故障电弧特征的描述性统计分析 | 第28-32页 |
| 3.3 故障电弧特征的小波分析 | 第32-38页 |
| 第4章 基于支持向量机的故障电弧识别模型 | 第38-48页 |
| 4.1 特征工程 | 第38-42页 |
| 4.1.1 数据预处理 | 第38-40页 |
| 4.1.2 特征指标提取 | 第40-42页 |
| 4.2 模型的建立 | 第42-43页 |
| 4.3 模型参数优化 | 第43-47页 |
| 4.3.1 RBF核函数模型参数分析 | 第44-45页 |
| 4.3.2 Sigmoid核函数模型参数分析 | 第45-46页 |
| 4.3.3 最优参数的选取 | 第46-47页 |
| 4.4 结论 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 工作总结 | 第48-49页 |
| 5.2 研究展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
