数据融合在输电线网故障诊断中的仿真研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| 1．1 本课题的学术背景及其理论与实际意义 | 第9-11页 |
| 1．2 国内外文献综述 | 第11-13页 |
| 1．2．1 故障类型识别 | 第11-12页 |
| 1．2．2 故障定位 | 第12-13页 |
| 1．3 相关领域的研究状况和待深入研究的问题 | 第13-14页 |
| 1．4 本课题的主要研究内容 | 第14页 |
| 1．5 本章小结 | 第14-15页 |
| 第2章 数据融合技术 | 第15-24页 |
| 2．1 数据融合技术的起源及发展状况 | 第15-16页 |
| 2．2 数据融合的基本原理 | 第16-17页 |
| 2．3 数据融合的定义 | 第17-18页 |
| 2．4 数据融合的级别 | 第18页 |
| 2．5 数据融合的结构形式 | 第18-19页 |
| 2．6 多传感器信息融合与神经网络技术 | 第19-21页 |
| 2．7 数据融合技术的应用 | 第21-22页 |
| 2．7．1 数据融合技术在军事上的应用 | 第21页 |
| 2．7．2 数据融合技术在民用工程领域中的应用 | 第21-22页 |
| 2．8 本章小结 | 第22-24页 |
| 第3章 人工神经网络基本原理 | 第24-35页 |
| 3．1 人工神经元模型 | 第24-26页 |
| 3．2 神经网络的拓扑结构 | 第26-27页 |
| 3．3 神经网络的学习方式 | 第27-29页 |
| 3．4 BP网络 | 第29-34页 |
| 3．4．1 BP网络模型 | 第29-30页 |
| 3．4．2 误差逆传播校正算法 | 第30-34页 |
| 3．5 本章小结 | 第34-35页 |
| 第4章 模糊理论和模糊神经网络 | 第35-45页 |
| 4．1 模糊集合理论基础 | 第35-41页 |
| 4．1．1 模糊集合与隶属函数 | 第36-38页 |
| 4．1．2 最大、最小模糊算子 | 第38-39页 |
| 4．1．3 模糊化和反模糊化单元 | 第39-41页 |
| 4．2 模糊神经网络 | 第41-43页 |
| 4．3 模糊神经网络的故障诊断能力 | 第43-44页 |
| 4．4 本章小结 | 第44-45页 |
| 第5章 神经网络设计分析 | 第45-59页 |
| 5．1 网络层数的确定 | 第45-46页 |
| 5．2 隐含层神经元数目的确定 | 第46-48页 |
| 5．3 初始权值的选取 | 第48页 |
| 5．4 网络训练 | 第48-55页 |
| 5．4．1 输入模式顺传播 | 第48-50页 |
| 5．4．2 输出误差逆传播 | 第50-51页 |
| 5．4．3 循环记忆训练 | 第51页 |
| 5．4．4 学习结果判别 | 第51-52页 |
| 5．4．5 学习过程具体步骤 | 第52-55页 |
| 5．5 学习速率 | 第55-56页 |
| 5．6 目标误差的选取 | 第56-58页 |
| 5．7 本章小结 | 第58-59页 |
| 第6章 数据融合在输电线网故障诊断中的仿真研究 | 第59-69页 |
| 6．1 建模分析 | 第60-61页 |
| 6．2 故障诊断系统模型 | 第61-62页 |
| 6．3 模糊神经网络故障诊断原理 | 第62-66页 |
| 6．4 仿真结论 | 第66-68页 |
| 6．5 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表的论文 | 第75-76页 |
| 致谢 | 第76页 |
