| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题的背景及意义 | 第9-10页 |
| ·国内外研究动态 | 第10-11页 |
| ·国际研究动态 | 第10-11页 |
| ·国内研究动态 | 第11页 |
| ·论文主要研究内容 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| 第二章 变压器主要的故障和常用诊断技术 | 第13-21页 |
| ·变压器简介 | 第13页 |
| ·变压器常见的异常症状 | 第13-14页 |
| ·变压器常见的故障 | 第14-15页 |
| ·目前的诊断方法 | 第15-21页 |
| ·基于DGA的变压器故障诊断基本原理及方法 | 第15-18页 |
| ·常规电气试验法 | 第18-19页 |
| ·人工智能方法 | 第19-21页 |
| 第三章 基于信息融合方法的故障诊断技术 | 第21-26页 |
| ·信息融合技术的简介和其基本理论 | 第21-22页 |
| ·信息融合思想在故障诊断中的应用 | 第22-23页 |
| ·信息融合的方法 | 第23页 |
| ·基于信息融合的故障诊断模型 | 第23-26页 |
| ·基于信息融合的单贝叶斯网络诊断模型 | 第24页 |
| ·基于信息融合的并行贝叶斯网络诊断模型 | 第24-25页 |
| ·基于信息融合的综合贝叶斯网络诊断模型 | 第25-26页 |
| 第四章 贝叶斯网络理论基础 | 第26-41页 |
| ·贝叶斯网络的应用及简介 | 第26-27页 |
| ·概率论基础 | 第27-28页 |
| ·贝叶斯网络的构建 | 第28-31页 |
| ·贝叶斯网络建造的一般流程 | 第29-30页 |
| ·贝叶斯网络结构的学习 | 第30-31页 |
| ·贝叶斯网络参数的确定 | 第31-35页 |
| ·参数学习的主要方法 | 第31-35页 |
| ·贝叶斯网络的推理简介 | 第35-36页 |
| ·贝叶斯网络推理的主要方法 | 第36-39页 |
| ·一种简单的推理算法 | 第39-41页 |
| 第五章 变压器故障诊断的研究 | 第41-50页 |
| ·贝叶斯网络在故障诊断中的应用 | 第41-43页 |
| ·网络构建过程 | 第42-43页 |
| ·故障类型与故障症状的确定 | 第43-44页 |
| ·诊断网络结构的确定 | 第44-46页 |
| ·FS两层模型和COFS三层模型 | 第44-45页 |
| ·基于FS因果关系的诊断网络 | 第45-46页 |
| ·概率分布参数的确定以及推理的实现 | 第46-50页 |
| ·MLE算法流程 | 第46-47页 |
| ·获得训练样本数据 | 第47-48页 |
| ·学习结果 | 第48-49页 |
| ·实例推理 | 第49-50页 |
| 第六章 故障诊断系统的实现 | 第50-58页 |
| ·系统的开发环境 | 第50-51页 |
| ·开发平台 | 第50页 |
| ·Microsoft SQL Server 2000数据库 | 第50-51页 |
| ·系统运行的环境 | 第51页 |
| ·系统设计 | 第51-53页 |
| ·系统体系结构 | 第51-52页 |
| ·功能模块 | 第52-53页 |
| ·系统运行情况 | 第53-55页 |
| ·系统测试 | 第55-58页 |
| 第七章 结论 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 在学研究成果 | 第61-62页 |
| 致谢 | 第62页 |