| 致谢 | 第9-10页 |
| 摘要 | 第10-11页 |
| abstract | 第11-12页 |
| 1 绪论 | 第20-37页 |
| 1.1 .研究背景与意义 | 第20-22页 |
| 1.2 变压器绕组和铁芯机械故障形式 | 第22-24页 |
| 1.2.1 绕组机械故障 | 第23-24页 |
| 1.2.2 铁芯机械故障 | 第24页 |
| 1.3 变压器绕组机械故障诊断研究现状 | 第24-31页 |
| 1.3.1 短路阻抗法 | 第25-26页 |
| 1.3.2 电容量变化法 | 第26页 |
| 1.3.3 低压脉冲法 | 第26-27页 |
| 1.3.4 频率响应法 | 第27-29页 |
| 1.3.5 超声波法 | 第29页 |
| 1.3.6 振动分析法 | 第29-31页 |
| 1.4 变压器铁芯机械故障诊断研究现状 | 第31-32页 |
| 1.5 变压器故障预测研究现状 | 第32-34页 |
| 1.6 本论文主要工作 | 第34-37页 |
| 2 变压器振动模型理论研究 | 第37-49页 |
| 2.1 引言 | 第37页 |
| 2.2 振动的产生与传播 | 第37-38页 |
| 2.2.1 振动的产生 | 第37-38页 |
| 2.2.2 振动的传播 | 第38页 |
| 2.3 变压器绕组振动原理分析 | 第38-45页 |
| 2.3.1 绕组受电磁力分析 | 第38-39页 |
| 2.3.2 绕组振动的等效模型分析 | 第39-43页 |
| 2.3.3 绕组所受压紧力对振动加速度信号的影响 | 第43-45页 |
| 2.4 变压器铁芯振动原理分析 | 第45-48页 |
| 2.4.1 磁致伸缩 | 第45-47页 |
| 2.4.2 铁芯磁致伸缩的决定因素 | 第47页 |
| 2.4.3 铁芯对振动信号的影响 | 第47-48页 |
| 2.5 本章小结 | 第48-49页 |
| 3 变压器振动信号采集与传输装置设计 | 第49-67页 |
| 3.1 引言 | 第49页 |
| 3.2 射频识别技术 | 第49-53页 |
| 3.2.1 RFID系统结构 | 第49-52页 |
| 3.2.2 RFID工作频段 | 第52-53页 |
| 3.3 自取能RFID传感器设计方案 | 第53-57页 |
| 3.3.1 RFID标签融合传感器数据方案 | 第54-55页 |
| 3.3.2 能量管理设计方案 | 第55-56页 |
| 3.3.3 RFID传感器抗干扰措施 | 第56-57页 |
| 3.4 测量点位置选择 | 第57-61页 |
| 3.4.1 实验对象与测量点分布 | 第57-59页 |
| 3.4.2 振动测量点选择 | 第59-61页 |
| 3.5 性能测试 | 第61-66页 |
| 3.5.1 能量管理性能 | 第61-63页 |
| 3.5.2 通信性能 | 第63-66页 |
| 3.6 本章小结 | 第66-67页 |
| 4 基于深度学习的变压器早期故障诊断方法 | 第67-111页 |
| 4.1 基于SDA的深度特征提取方法 | 第67-76页 |
| 4.1.1 深度学习基本概念 | 第67-69页 |
| 4.1.2 SDA基本原理 | 第69-72页 |
| 4.1.3 SOFTMAX分类器 | 第72-73页 |
| 4.1.4 基于SDA的变压器早期故障特征提取方法 | 第73-76页 |
| 4.2 DCQGA在 SDA优化中的应用 | 第76-79页 |
| 4.2.1 DCQGA算法 | 第76-78页 |
| 4.2.2 DCQGA算法在SDA优化中的应用 | 第78-79页 |
| 4.3 基于SVM的变压器早期故障诊断方法 | 第79-84页 |
| 4.3.1 SVM基本原理 | 第79-81页 |
| 4.3.2 二叉树SVM型分类器模型的构建 | 第81-82页 |
| 4.3.3 基于二叉树SVM的变压器早期故障诊断模型 | 第82-84页 |
| 4.4 实验研究 | 第84-109页 |
| 4.4.1 变压器早期故障诊断实验步骤 | 第84-85页 |
| 4.4.2 变压器早期故障诊断实验平台 | 第85-88页 |
| 4.4.3 故障诊断性能测试 | 第88-109页 |
| 4.5 本章小结 | 第109-111页 |
| 5 基于稀疏MKRVM的变压器故障预测方法 | 第111-143页 |
| 5.1 变压器故障预测的特征提取与指数的建立 | 第111-115页 |
| 5.1.1 变压器故障预测流程 | 第111-112页 |
| 5.1.2 变压器故障预测的特征提取 | 第112-115页 |
| 5.2 变压器故障预测模型的建立 | 第115-124页 |
| 5.2.1 数据预处理及状态指数的建立 | 第116-118页 |
| 5.2.2 贝叶斯理论 | 第118-119页 |
| 5.2.3 RVM基本原理 | 第119-121页 |
| 5.2.4 MKRVM理论 | 第121-122页 |
| 5.2.5 基于MKRVM的故障预测模型 | 第122-124页 |
| 5.3 实验分析 | 第124-142页 |
| 5.3.1 变压器故障预测实验步骤 | 第124-125页 |
| 5.3.2 变压器故障预测实验结果与讨论 | 第125-142页 |
| 5.4 本章小结 | 第142-143页 |
| 6 总结与展望 | 第143-146页 |
| 6.1 总结 | 第143-145页 |
| 6.2 展望 | 第145-146页 |
| 参考文献 | 第146-157页 |
| 攻读博士学位期间的学术活动及成果情况 | 第157-158页 |