| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 检测技术的发展 | 第10-11页 |
| 1.2.2 目前电解槽短路故障的检测现状 | 第11-12页 |
| 1.3 本文主要的研究内容 | 第12-14页 |
| 第二章 红外图像的处理与软测量理论基础 | 第14-21页 |
| 2.1 铜电解槽红外图像的获取 | 第14-15页 |
| 2.1.1 铜电解短路故障检测系统的组成 | 第14页 |
| 2.1.2 巡检小车硬件系统 | 第14-15页 |
| 2.2 铜电解槽红外图像的预处理 | 第15-18页 |
| 2.2.1 红外图像的几何校正 | 第15-16页 |
| 2.2.2 红外图像的对比度增强与降噪 | 第16-17页 |
| 2.2.3 红外图像的边缘检测提取 | 第17-18页 |
| 2.3 软测量理论基础 | 第18-20页 |
| 2.3.1 软测量技术的概念 | 第18页 |
| 2.3.2 软测量技术的实现方法 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 极间导电棒短路故障部位的提取与分类 | 第21-36页 |
| 3.1 神经网络简介 | 第21-22页 |
| 3.2 故障与非故障阴极导电棒短路故障样本的特征分析 | 第22-26页 |
| 3.2.1 阴极导电棒样本图像的提取 | 第22-24页 |
| 3.2.2 阴极导电棒样本图像的特征分析 | 第24-26页 |
| 3.3 阴极导电棒短路故障的提取与分类 | 第26-32页 |
| 3.3.1 神经网络的故障诊断概述 | 第26-27页 |
| 3.3.2 图像特征向量的数据分析 | 第27-29页 |
| 3.3.3 BP神经网络数学模型的设计步骤 | 第29-32页 |
| 3.4 神经网络的故障提取与分类的误差分析与验证 | 第32-35页 |
| 3.4.1 神经网络数学模型的误差分析 | 第32-33页 |
| 3.4.2 神经网络数学模型的验证 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 阴极导电棒电流分布的建模与验证 | 第36-59页 |
| 4.1 建立红外图像灰度值与温度之间的数学模型 | 第36-42页 |
| 4.1.1 红外辐射基本理论 | 第37-38页 |
| 4.1.2 红外测温原理 | 第38-39页 |
| 4.1.3 图像灰度值——黑体温度基准的数学关系 | 第39-42页 |
| 4.2 阴极导电棒表面温度——电流理论模型推导 | 第42-48页 |
| 4.2.1 阴极导电棒建模分析 | 第42-43页 |
| 4.2.2 阴极导电棒表面温度—电流分布数学模型 | 第43-47页 |
| 4.2.3 阴极导电棒仿真模型 | 第47-48页 |
| 4.3 电流分布数学模型中自变量数据的获取 | 第48-52页 |
| 4.3.1 环境温度的获取 | 第48-51页 |
| 4.3.2 位置坐标点的获取及其对应温度值的获取 | 第51-52页 |
| 4.4 电流分布数学模型对比 | 第52-55页 |
| 4.4.1 建模方法简介 | 第52-53页 |
| 4.4.2 建立三种不同电流分布数学模型 | 第53页 |
| 4.4.3 模型评价指标对比 | 第53-55页 |
| 4.5 电流分布结果验证与分析 | 第55-58页 |
| 4.5.1 真实电流值的获取 | 第55-56页 |
| 4.5.2 电流值的对比验证 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 基于MATLAB的短路故障及电流分布监测系统的GUI实现 | 第59-71页 |
| 5.1 MATLAB的GUI简介 | 第59页 |
| 5.2 短路故障及电流分布监测系统GUI界面的设计 | 第59-70页 |
| 5.2.1 监测系统登录界面的设计 | 第60-64页 |
| 5.2.2 监测系统主界面的布局设计 | 第64-67页 |
| 5.2.3 监测系统主界面的程序设计 | 第67-70页 |
| 5.3 本章小结 | 第70-71页 |
| 第六章 结论与展望 | 第71-73页 |
| 6.1 主要结论 | 第71页 |
| 6.2 研究展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 附录A | 第78-79页 |
| 在学期间的研究成果 | 第79-80页 |
| 致谢 | 第80页 |
