油浸式绝缘局部放电模型的模式识别统计参数法研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪论 | 第8-18页 |
| 1．1 局部放电监测中模式识别的意义 | 第8-10页 |
| 1．1．1 局部放电产生的原因及放电类型 | 第8-9页 |
| 1．1．2 局部放电在线监测的意义 | 第9-10页 |
| 1．1．3 局部放电模式识别的意义 | 第10页 |
| 1．2 模式识别理论的研究现状 | 第10-14页 |
| 1．2．1 模式识别系统 | 第11-12页 |
| 1．2．2 模式识别方法 | 第12-14页 |
| 1．3 局部放电模式识别技术的研究现状 | 第14-16页 |
| 1．4 本文研究的目的和主要内容 | 第16-18页 |
| 2 局部放电特征的提取方法 | 第18-30页 |
| 2．1 引言 | 第18页 |
| 2．2 局部放电指纹谱图的构造 | 第18-20页 |
| 2．2．1二 维谱图的构造 | 第19页 |
| 2．2．2三 维谱图的构造 | 第19-20页 |
| 2．3二 维谱图的特征提取 | 第20-28页 |
| 2．3．1 对谱图提取Weibull参数 | 第20-26页 |
| 2．3．2 对、谱图提取统计算子 | 第26-28页 |
| 2．4三 维谱图的特征提取 | 第28-29页 |
| 2．5 小结 | 第29-30页 |
| 3 局部放电的模式分类器 | 第30-40页 |
| 3．1 引言 | 第30-31页 |
| 3．2 统计识别方法 | 第31-34页 |
| 3．2．1 关于聚类分析的基本概念 | 第31-32页 |
| 3．2．2 基于距离的模式归类法 | 第32-34页 |
| 3．3 基于人工神经网络的模式识别 | 第34-39页 |
| 3．3．1 与传统模式分类器的对比 | 第34-35页 |
| 3．3．2 BP神经网络的改进 | 第35-39页 |
| 3．4 小结 | 第39-40页 |
| 4 局部放电模拟实验研究 | 第40-53页 |
| 4．1 引言 | 第40页 |
| 4．2 放电模型及实验装置 | 第40-42页 |
| 4．1．1 放电模型 | 第40-41页 |
| 4．1．2 实验回路及装置 | 第41-42页 |
| 4．3 实验方法及过程 | 第42-43页 |
| 4．4 实验结果分析 | 第43-52页 |
| 4．4．1 提取Weibull参数的识别结果 | 第43-46页 |
| 4．4．2 提取统计算子的识别结果 | 第46-50页 |
| 4．4．3 神经网络的识别结果 | 第50-52页 |
| 4．5 小结 | 第52-53页 |
| 5 结论 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文 | 第59页 |
