| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-19页 |
| ·课题研究的背景、目的和意义 | 第9-11页 |
| ·课题研究的背景 | 第9-10页 |
| ·课题研究的目的和意义 | 第10-11页 |
| ·油浸式电力变压器的特点及常见故障 | 第11-12页 |
| ·油浸式电力变压器的主要特点 | 第11页 |
| ·油浸式电力变压器的主要故障分类 | 第11-12页 |
| ·基于油中溶解气体分析的变压器诊断方法 | 第12-16页 |
| ·非故障状态下变压器油中溶解气体及含量 | 第12页 |
| ·油浸式变压器故障与油中溶解气体含量的关系 | 第12-14页 |
| ·常规油中溶解气体分析故障诊断方法 | 第14-16页 |
| ·人工智能故障诊断方法 | 第16页 |
| ·基于油中溶解气体分析的变压器故障诊断国内外研究现状 | 第16-18页 |
| ·神经网络绝缘故障诊断法 | 第16-17页 |
| ·基于模糊理论的绝缘故障诊断法 | 第17页 |
| ·基于遗传算法的绝缘故障诊断法 | 第17-18页 |
| ·本论文的研究内容 | 第18-19页 |
| 第2章 遗传算法简介 | 第19-28页 |
| ·绪论 | 第19页 |
| ·遗传算法的发展历史 | 第19-20页 |
| ·遗传算法的基本原理 | 第20-27页 |
| ·遗传算法的基本思想 | 第20-21页 |
| ·遗传算法的构造过程 | 第21-22页 |
| ·遗传算法基本实现技术 | 第22-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于遗传算法和判别函数的全局寻优算法研究 | 第28-38页 |
| ·引言 | 第28页 |
| ·模式分类的判别函数 | 第28-32页 |
| ·判别函数的概念 | 第28页 |
| ·线性判别函数 | 第28-29页 |
| ·非线性判别函数 | 第29-30页 |
| ·多分类问题的转化 | 第30-32页 |
| ·基于遗传算法的判别函数分类方法 | 第32-37页 |
| ·基于遗传算法的判别函数分类方法设计思想 | 第32页 |
| ·判别函数的遗传算法表示函数 | 第32页 |
| ·终结点集与函数结点集 | 第32-33页 |
| ·适应度函数 | 第33-34页 |
| ·选择策略 | 第34-35页 |
| ·基于非线性判别函数的遗传算法 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于遗传算法和决策树的全局寻优算法研究 | 第38-44页 |
| ·引言 | 第38页 |
| ·决策树 | 第38-40页 |
| ·决策树的基本思想 | 第38-39页 |
| ·决策树的生成和剪枝 | 第39-40页 |
| ·决策树的常见算法 | 第40页 |
| ·基于遗传算法的线性决策树算法 | 第40-43页 |
| ·基于遗传算法的线性决策树表示方法 | 第41页 |
| ·基于遗传算法的线性决策树的算子 | 第41-43页 |
| ·基于遗传算法的线性决策树算法步骤 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第5章 电力变压器故障诊断模型与仿真实验 | 第44-52页 |
| ·引言 | 第44页 |
| ·基于遗传算法和判别函数的变压器故障诊断模型 | 第44-46页 |
| ·电力变压器故障分层诊断模型 | 第44页 |
| ·电力变压器故障样本的收集与选择 | 第44-45页 |
| ·特征向量选择 | 第45-46页 |
| ·电力变压器故障分层诊断流程 | 第46页 |
| ·基于遗传算法和判别函数的变压器故障诊断实验 | 第46-48页 |
| ·基于遗传算法和线性决策树的变压器绝缘故障诊断模型 | 第48-50页 |
| ·特征向量的选取 | 第48-50页 |
| ·基于遗传算法和线性决策树的变压器故障诊断实验 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 作者简介 | 第58页 |