摘要 | 第1-6页 |
Abstract | 第6-13页 |
1 绪论 | 第13-28页 |
·引言及本课题的出发点 | 第13-15页 |
·电力设备状态监测在变电站综合自动化中的重要性 | 第15-16页 |
·电力设备在线监测的发展及国内外研究现状 | 第16-19页 |
·电力设备故障诊断的发展及国内外研究现状 | 第19-20页 |
·人工智能技术在电力设备故障诊断中的应用 | 第20-24页 |
·电力设备故障诊断未来的发展及本课题的意义 | 第24-25页 |
·状态监测与保护控制的关系 | 第25-26页 |
·论文的结构和章节安排 | 第26-28页 |
2 不同类型神经网络在变压器故障诊断中的应用分析 | 第28-56页 |
·传统方法的缺陷与神经网络的应用 | 第28-30页 |
·BP 网络故障诊断模型及其学习算法 | 第30-31页 |
·BP 神经网络几个问题的探讨 | 第31-33页 |
·基于BP 神经网络的变压器绝缘故障诊断研究 | 第33-37页 |
·BP 算法的改进对绝缘故障诊断收敛特性的影响研究 | 第37-41页 |
·隐层神经元数目对绝缘故障诊断收敛特性的影响研究 | 第41-43页 |
·基于径向基神经网络的变压器绝缘故障诊断研究 | 第43-47页 |
·LVQ 模式分类神经网络变压器故障诊断研究 | 第47-50页 |
·基于概率神经网络的变压器绝缘故障诊断 | 第50-52页 |
·不同类型神经网络对变压器绝缘故障诊断结果的比较 | 第52-55页 |
·本章小结 | 第55-56页 |
3 基于模糊多元决策的变压器故障诊断研究 | 第56-73页 |
·问题的引出 | 第56-57页 |
·变压器模糊多元决策的推理方法 | 第57-61页 |
·变压器比值编码的隶属度函数及权向量 | 第61-63页 |
·变压器模糊关系矩阵的确定及自学习过程 | 第63-66页 |
·变压器模糊多元诊断系统的MATLAB 实现 | 第66-68页 |
·不同模糊区间对故障诊断的影响 | 第68-71页 |
·本章小结 | 第71-73页 |
4 基于自适应模糊推理的电力设备故障诊断研究 | 第73-85页 |
·引言 | 第73-74页 |
·模糊推理方法与模型 | 第74-75页 |
·自适应神经模糊推理系统进行电力设备故障诊断 | 第75-81页 |
·基于ANFIS 的电力变压器故障诊断结果 | 第81-84页 |
·本章小结 | 第84-85页 |
5 基于D-S 证据理论信息融合的电力设备故障诊断研究 | 第85-101页 |
·引言 | 第85-86页 |
·信息融合的基本原理和层次结构 | 第86-87页 |
·电力设备监测与诊断的信息参数 | 第87-90页 |
·电力设备在线监测的数据级融合 | 第90-94页 |
·基于D-S 证据理论的决策级融合故障诊断方法研究 | 第94-99页 |
·基于D-S 证据理论的变压器绝缘故障诊断结果分析 | 第99-100页 |
·本章小结 | 第100-101页 |
6 智能信息融合判据与电力设备故障诊断专家系统设计 | 第101-116页 |
·单一诊断方法的缺陷与不足 | 第101-102页 |
·利用不同故障诊断方法的优点形成智能融合判据 | 第102-104页 |
·智能信息融合判据的诊断算例分析 | 第104-106页 |
·故障诊断专家系统应用现状 | 第106页 |
·变电站故障诊断专家系统总体设计 | 第106-110页 |
·高压断路器故障诊断专家系统推理实例 | 第110-114页 |
·大型电力变压器故障诊断专家系统诊断实例 | 第114-115页 |
·本章小结 | 第115-116页 |
7 基于DSP 的变电站高压设备在线监测系统设计 | 第116-136页 |
·多参数统一监测的思想 | 第116-117页 |
·电力设备在线监测系统的选择 | 第117-119页 |
·高压电气设备在线监测系统总体设计 | 第119-122页 |
·高压设备在线监测系统硬件开发 | 第122-128页 |
·在线监测系统的抗干扰措施 | 第128-129页 |
·变电站设备状态监测系统上层管理软件设计 | 第129-133页 |
·电气设备状态评估的作用与内容 | 第133-135页 |
·本章小结 | 第135-136页 |
8 全文总结 | 第136-139页 |
·总结 | 第136-138页 |
·下一步工作的展望 | 第138-139页 |
致谢 | 第139-140页 |
参考文献 | 第140-153页 |
附录1 作者在攻读博士学位期间发表的论文 | 第153-155页 |
附录2 作者在攻读博士学位期间主要参与的科研工作 | 第155页 |