人工神经网络在变压器故障诊断应用中的比较研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-15页 |
| ·变压器故障诊断的重要意义 | 第8-9页 |
| ·油中溶解气体分析法 | 第9-11页 |
| ·神经网络应用于变压器故障诊断的国内外研究现状 | 第11-14页 |
| ·本文所做的工作 | 第14-15页 |
| 第2章 BP神经网络在变压器故障诊断中的应用 | 第15-29页 |
| ·BP神经网络概述 | 第15-19页 |
| ·BP神经网络结构 | 第15-16页 |
| ·BP神经网络激活函数 | 第16-17页 |
| ·BP算法原理 | 第17-19页 |
| ·本文所用的BP神经网络的训练过程 | 第19-27页 |
| ·输入输出向量的确定 | 第19-20页 |
| ·数据预处理 | 第20-22页 |
| ·隐含层节点个数的选取 | 第22-23页 |
| ·激活函数的选取 | 第23-25页 |
| ·训练函数的选取 | 第25-27页 |
| ·仿真实例 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 GA-BP神经网络 | 第29-41页 |
| ·遗传算法概述 | 第29-30页 |
| ·遗传算法简介 | 第29页 |
| ·遗传算法的特点 | 第29-30页 |
| ·遗传算法基本原理 | 第30-34页 |
| ·编码 | 第30-31页 |
| ·遗传操作 | 第31页 |
| ·适应度函数 | 第31-32页 |
| ·控制参数的选取 | 第32页 |
| ·算法的终止准则 | 第32页 |
| ·遗传算法的流程 | 第32-34页 |
| ·本文所用的遗传算法与BP神经网络结合的实现 | 第34-35页 |
| ·仿真结果 | 第35-40页 |
| ·小结 | 第40-41页 |
| 第4章 RBF神经网络应用于变压器故障诊断 | 第41-50页 |
| ·RBF神经网络概述 | 第41-44页 |
| ·RBF网络的特点 | 第41-42页 |
| ·RBF网络原理 | 第42-44页 |
| ·本文RBF网络模型及参数的选取 | 第44-46页 |
| ·RBF网络模型 | 第44页 |
| ·RBF网络参数选取 | 第44-45页 |
| ·网络训练方法的确定 | 第45-46页 |
| ·仿真结果 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 三种神经网络比较 | 第50-54页 |
| ·网络训练的过程比较 | 第50-52页 |
| ·网络诊断的结果比较 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 附录A: 变压器故障样本数据 | 第59-61页 |
| 致谢 | 第61-62页 |
| 在学期间发表的学术论文与研究成果 | 第62页 |
