| 第一章 绪论 | 第1-16页 |
| 1．1 不良绝缘子在线检测的意义 | 第7-8页 |
| 1．2 不良绝缘子在线检测的研究现状 | 第8-11页 |
| 1．3 脉冲电流法研究情况 | 第11-14页 |
| 1．3．1 研究成果及应用介绍．．．．．．．．． | 第11-14页 |
| 1．3．2 脉冲电流法用于不良绝缘子在线检测中存在的问题 | 第14页 |
| 1．4 本论文的主要工作 | 第14-16页 |
| 第二章 数据的采集与统计分析 | 第16-28页 |
| 2．1 数据的采集 | 第16-21页 |
| 2．1．1 实验室模拟实验 | 第16-18页 |
| 2．1．2 现场的数据采集 | 第18-21页 |
| 2．2 对电晕脉冲信号的统计分析 | 第21-24页 |
| 2．3 电晕信号谱图的特性分析 | 第24-27页 |
| 2．4 本章小结 | 第27-28页 |
| 第三章 谱图的分析与特征提取 | 第28页 |
| 第四章 神经网络的应用 | 第28-36页 |
| 3．1 小波平滑 | 第28-32页 |
| 3．1．1 对信号平滑的必要性 | 第28页 |
| 3．1．2 小波变换概述 | 第28-29页 |
| 3．1．3 小波变换用于信号平滑的具体原理 | 第29-31页 |
| 3．1．4 小波平滑对神经网络识别结果的影响 | 第31-32页 |
| 3．2 谱图信号的特征提取 | 第32-34页 |
| 3．2．1 特征提取的必要性 | 第32页 |
| 3．2．2 统计指标的确定及意义 | 第32-34页 |
| 3．3 兰州现场三相数据的拆分 | 第34-35页 |
| 3．4 本章小结 | 第35-36页 |
| 第四章 神经网络的应用 | 第36-56页 |
| 4．1 概述 | 第36-40页 |
| 4．1．1 人工神经网络介绍 | 第36-39页 |
| 4．1．2 人工神经网络模式识别 | 第39-40页 |
| 4．2 BP网络模式识别 | 第40-49页 |
| 4．2．1 BP网络简介 | 第40-43页 |
| 4．2．2 BP网络模式识别的具体算法 | 第43-44页 |
| 4．2．3 BP网络在识别不良绝缘子中的应用 | 第44-49页 |
| 1． 训练样本的选取与对样本的预处理 | 第44-45页 |
| 2． 网络结构的确定 | 第45-46页 |
| 3． 识别结果及其分析 | 第46-49页 |
| 4．3 学习矢量量化（LVQ）算法在识别不良绝缘子中的应用 | 第49-53页 |
| 4．3．1 SOFM网络简介 | 第49-50页 |
| 4．3．2 LVQ网络简介 | 第50-51页 |
| 4．3．3 LVQ网络学习算法 | 第51-52页 |
| 4．3．4 LVQ网络应用结果及分析 | 第52-53页 |
| 4．4 现场实用中对正确识别率和误判率的要求 | 第53-55页 |
| 4．5 本章小结 | 第55-56页 |
| 第五章 结论 | 第56-58页 |
| 5．1 本文结论 | 第56-57页 |
| 5．2 今后应加强的工作 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |