| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-42页 |
| 1．1 研究变压器油中多种溶解气体在线监测及故障诊断技术的意义 | 第9-10页 |
| 1．2 研究变压器油中多种溶解气体在线监测及故障诊断技术的研究现状 | 第10-35页 |
| 1．2．1 变压器油中溶解气体在线监测装置的分类及国内外典型装置分析 | 第10-16页 |
| 1．2．2 三比值法和其它比值法的基本原理及方法 | 第16-31页 |
| 1．2．3 影响比值法诊断结果准确性的因素 | 第31-35页 |
| 1．3 基于神经网络的变压器状态监测研究的国内外现状 | 第35-36页 |
| 1．4 变压器油中多种溶解气体在线监测及故障诊断技术的应用前景 | 第36-40页 |
| 1．4．1 油中溶解气体分析在离线检测及故障诊断中将继续发挥作用 | 第37-38页 |
| 1．4．2 油中溶解气体分析在变压器绝缘寿命预测中的应用前景 | 第38-39页 |
| 1．4．3 油中溶解气体分析在在线监测及故障诊断技术中的重要地位 | 第39-40页 |
| 1．5 本论文的主要研究内容 | 第40页 |
| 1．6 小结 | 第40-42页 |
| 2 电力变压器常见故障与油中溶解气体的关系及对在线监测装置的实用性评价 | 第42-58页 |
| 2．1 电力变压器的结构特点及运行可靠性评估 | 第42-47页 |
| 2．1．1 变压器的绝缘结构特性 | 第42-43页 |
| 2．1．2 充油变压器主要组件的结构特性 | 第43-45页 |
| 2．1．3 变压器运行的可靠性评估 | 第45-47页 |
| 2．2 电力变压器常见故障以及与油中溶解气体的关系 | 第47-51页 |
| 2．2．1 电力变压器内部常见故障 | 第47-49页 |
| 2．2．2 电力变压器内部常见故障以及与油中溶解气体的关系 | 第49-51页 |
| 2．3 以油中气体分析的多种判据对变压器内部故障的综合诊断 | 第51-54页 |
| 2．3．1 综合诊断的辅助方法 | 第51-53页 |
| 2．3．2 以油中溶解气体分析为依据综合诊断故障的基本过程 | 第53-54页 |
| 2．4 变压器油中溶解气体在线监测装置的实用性评价 | 第54-57页 |
| 2．4．1 在线监测变压器油中溶解气体的目的 | 第54-55页 |
| 2．4．2 如何综合评价油中溶解气体在线监测装置 | 第55-57页 |
| 2．5 小结 | 第57-58页 |
| 3 高分子聚合分离膜分离变压器油中溶解气体的原理及透气性能分析 | 第58-71页 |
| 3．1 高分子聚合物的形态结构及透气性能 | 第58-60页 |
| 3．1．1 高分子聚合物分离膜的形态结构 | 第58页 |
| 3．1．2 分离膜的形态结构与透气性能的关系 | 第58-59页 |
| 3．1．3 分离膜形态结构的测定 | 第59-60页 |
| 3．2 高分子聚合分离膜的性能要求和基本特征 | 第60-66页 |
| 3．2．1 渗透气体分离膜的性能要求 | 第60-62页 |
| 3．2．2 高分子聚合物分离膜的基本特征 | 第62-66页 |
| 3．3 变压器油中溶解气体的气体渗透原理 | 第66-70页 |
| 3．3．1 渗透分离油中溶解气体的基本原理 | 第66-69页 |
| 3．3．2 高分子聚合物分离膜的透气性能 | 第69-70页 |
| 3．4 小结 | 第70-71页 |
| 4 多传感信息融合技术在变压器油中多种气体在线监测中的应用 | 第71-101页 |
| 4．1 半导体气体传感器的结构及气体检测原理 | 第71-78页 |
| 4．1．1 电阻式半导体气体传感器的结构及气体检测原理 | 第71-75页 |
| 4．1．2 气体传感器元件电阻与测量气体浓度的关系 | 第75页 |
| 4．1．3 MQ型系列传感器的气体检测特性 | 第75-78页 |
| 4．2 线性回归分析方法在二传感器信息融合中的应用 | 第78-89页 |
| 4．2．1 曲面拟合法基本原理 | 第78-81页 |
| 4．2．2 二传感器信息融合的应用 | 第81-82页 |
| 4．2．3 二传感器信息融合实例 | 第82-89页 |
| 4．3 最近邻近法在传感器阵列信息融合中的应用 | 第89-94页 |
| 4．3．1 识别气体种类的最近邻域法 | 第89-93页 |
| 4．3．2 空气中含单一还原性气体种类与浓度的判定 | 第93-94页 |
| 4．4 神经网络识别法在传感器阵列信息融合中的应用 | 第94-100页 |
| 4．4．1 结构简介 | 第94-95页 |
| 4．4．2 人工神经网络 | 第95-98页 |
| 4．4．3 识别效果 | 第98-100页 |
| 4．5 小结 | 第100-101页 |
| 5 基于ART结构神经网络的变压器绝缘故障诊断模型及方法 | 第101-113页 |
| 5．1 ART的结构原理 | 第101-103页 |
| 5．2 ART的学习算法 | 第103-105页 |
| 5．3 基于神经网络的变压器故障诊断模型及方法 | 第105-108页 |
| 5．3．1 基于神经网络诊断电气设备故障的数学描述 | 第106-107页 |
| 5．3．2 基于ART网络的变压器故障诊断模型 | 第107-108页 |
| 5．4 ART网络实例验证及结果分析 | 第108-110页 |
| 5．5 变压器油中多种溶解气体在线监测及故障诊断实例分析 | 第110-111页 |
| 5．6 小结 | 第111-113页 |
| 6 结论 | 第113-115页 |
| 致谢 | 第115-116页 |
| 参考文献 | 第116-121页 |
| 附录：1．作者在攻博期间发表的学术专著及论文 | 第121-122页 |
| 2．作者在攻读博士学位期间参加的科研项目及成果 | 第122页 |
