| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 变压器油中溶解气体分析方法研究 | 第11-14页 |
| 1.2.1 油中溶解气体产生机理 | 第12-13页 |
| 1.2.2 油中溶解气体与故障类型的对应关系 | 第13-14页 |
| 1.3 基于DGA的变压器故障诊断方法国内外研究现状 | 第14-16页 |
| 1.4 本文所做的工作 | 第16-17页 |
| 第二章 基于BP神经网络的变压器故障诊断方法研究 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 BP神经网络介绍 | 第17-21页 |
| 2.3 BP神经网络结构设计 | 第21-26页 |
| 2.3.1 输入输出数据处理 | 第22-23页 |
| 2.3.2 网络层数的选择 | 第23-24页 |
| 2.3.3 各层神经元个数 | 第24-25页 |
| 2.3.4 激活函数的选择 | 第25页 |
| 2.3.5 训练算法的选择 | 第25-26页 |
| 2.4 仿真分析 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于极限学习机的变压器故障诊断方法研究 | 第29-37页 |
| 3.1 引言 | 第29页 |
| 3.2 极限学习机介绍 | 第29-30页 |
| 3.3 基于极限学习机的变压器故障诊断 | 第30-33页 |
| 3.3.1 输入输出数据处理 | 第31-32页 |
| 3.3.2 隐含层神经元个数的选择 | 第32页 |
| 3.3.3 隐含层激活函数的选择 | 第32-33页 |
| 3.4 仿真分析 | 第33-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 基于改进极限学习机的变压器故障诊断方法研究 | 第37-44页 |
| 4.1 引言 | 第37页 |
| 4.2 改进极限学习机模型 | 第37-41页 |
| 4.2.1 受限玻尔兹曼机 | 第38-40页 |
| 4.2.2 对比散度算法 | 第40-41页 |
| 4.3 基于改进极限学习机的变压器故障诊断 | 第41-42页 |
| 4.4 仿真分析 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 基于深度学习网络的变压器故障诊断方法研究 | 第44-51页 |
| 5.1 引言 | 第44页 |
| 5.2 深度学习网络介绍 | 第44-47页 |
| 5.2.1 深度置信网络 | 第45-46页 |
| 5.2.2 卷积神经网络 | 第46-47页 |
| 5.3 基于深度置信网络的变压器故障诊断 | 第47-50页 |
| 5.3.1 输入输出数据处理 | 第47页 |
| 5.3.2 模型训练 | 第47-48页 |
| 5.3.3 仿真分析 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 结论与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 附录 油中溶解气体数据 | 第57-60页 |
| 攻读硕士学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 答辩委员会对论文的评定意见 | 第62页 |