| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题背景及研究意义 | 第12-14页 |
| 1.2 故障电弧检测技术的研究现状 | 第14-18页 |
| 1.3 本文的研究内容 | 第18-20页 |
| 第2章 故障电弧检测理论基础 | 第20-29页 |
| 2.1 电弧理论基础 | 第20-22页 |
| 2.1.1 电弧的定义及其分类 | 第20-21页 |
| 2.1.2 电弧的数学模型 | 第21-22页 |
| 2.2 故障电弧数据采集 | 第22-24页 |
| 2.3 故障电弧检测技术架构 | 第24-26页 |
| 2.4 故障电弧检测模型评估标准 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 基于时域卷积网络的电流特征提取 | 第29-45页 |
| 3.1 引言 | 第29-30页 |
| 3.2 时域卷积神经网络 | 第30-35页 |
| 3.2.1 因果卷积(Causal Convolutions) | 第30页 |
| 3.2.2 空洞卷积(Dilated Convolutions) | 第30-32页 |
| 3.2.3 层规范化(Layer Normalization) | 第32-33页 |
| 3.2.4 残差连接(Residual Connections) | 第33-34页 |
| 3.2.5 Squeeze-and-Excitation单元 | 第34-35页 |
| 3.3 网络参数优化 | 第35-39页 |
| 3.3.1 Focal Loss | 第36-37页 |
| 3.3.2 Center Loss | 第37-39页 |
| 3.4 实验分析 | 第39-43页 |
| 3.4.1 实验参数设置 | 第39-40页 |
| 3.4.2 实验结果 | 第40-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 基于多频率时域卷积网络的电流特征提取 | 第45-56页 |
| 4.1 引言 | 第45-46页 |
| 4.2 多层离散小波分解 | 第46-48页 |
| 4.3 多层小波分解网络 | 第48-50页 |
| 4.4 多频率时域卷积网络 | 第50-51页 |
| 4.5 MWDN模型参数优化 | 第51-52页 |
| 4.6 实验分析 | 第52-55页 |
| 4.6.1 实验参数设置 | 第52-53页 |
| 4.6.2 实验结果 | 第53-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第5章 基于自适应高斯混合模型的故障电弧检测 | 第56-69页 |
| 5.1 引言 | 第56-57页 |
| 5.2 高斯混合模型理论 | 第57-59页 |
| 5.3 自适应高斯混合模型故障检测 | 第59-62页 |
| 5.4 实验 | 第62-68页 |
| 5.4.1 实验过程 | 第63页 |
| 5.4.2 实验结果与分析 | 第63-67页 |
| 5.4.3 实验结论 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-72页 |
| 6.1 全文研究内容总结 | 第69-70页 |
| 6.2 研究展望 | 第70-72页 |
| 参考文献 | 第72-80页 |
| 攻读学位期间科研成果 | 第80页 |
