| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| CONTENTS | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 课题背景与研究意义 | 第14-16页 |
| 1.2 国内外检修策略的发展及现状 | 第16-17页 |
| 1.2.1 国外状态检修的发展与现状 | 第16-17页 |
| 1.2.2 国内状态检修现状 | 第17页 |
| 1.3 变压器故障诊断的研究进展 | 第17-20页 |
| 1.3.1 物理参数监测 | 第18-19页 |
| 1.3.2 化学成分含量分析 | 第19-20页 |
| 1.4 本文的主要研究内容 | 第20-22页 |
| 第二章 变压器油中溶解气体分析及故障诊断方法 | 第22-30页 |
| 2.1 变压器油中溶解气体产生机理 | 第22-24页 |
| 2.1.1 绝缘材料的产气机理及其影响因素 | 第22-23页 |
| 2.1.2 其他产气途径 | 第23-24页 |
| 2.2 变压器内部故障类型和油中气体含量的关系 | 第24-26页 |
| 2.2.1 热性故障 | 第24-25页 |
| 2.2.2 电性故障 | 第25-26页 |
| 2.2.3 受潮 | 第26页 |
| 2.3 三比值法的基本原理和方法 | 第26-29页 |
| 2.3.1 三比值法的原理 | 第26-28页 |
| 2.3.2 三比值法的应用原则 | 第28-29页 |
| 2.3.3 三比值法存在的不足 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 仿生模式识别的基本理论 | 第30-40页 |
| 3.1 仿生模式识别的出发点 | 第30-32页 |
| 3.1.1 仿生的多重含义 | 第30-31页 |
| 3.1.2 仿生模式识别与传统方法的差异 | 第31-32页 |
| 3.2 仿生模式识别与传统模式识别的根本理论差异 | 第32-34页 |
| 3.3 BPR的数学工具——高维空间几何分析理论 | 第34-37页 |
| 3.3.1 高维空间几何分析基本概念及计算方法 | 第34-36页 |
| 3.3.2 高维空间中点、线、超平面的关系 | 第36-37页 |
| 3.4 仿生模式识别的实现方式——多权值神经元神经网络 | 第37-39页 |
| 3.4.1 神经元的多维空间几何对应 | 第37页 |
| 3.4.2 多权值神经元网络 | 第37-38页 |
| 3.4.3 超香肠神经元网络(Hyper Sausage Neuron,HSN) | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于仿生模式识别的变压器故障诊断算法 | 第40-56页 |
| 4.1 仿生模式识别用于变压器故障诊断的可行 | 第40-41页 |
| 4.2 DGA数据收集、处理及故障分类的建立 | 第41-42页 |
| 4.3 基于仿生模式识别的变压器故障诊断算法实现方法 | 第42-44页 |
| 4.4 判断样本点是否被形体覆盖的方法 | 第44-47页 |
| 4.5 神经元构造算例 | 第47-49页 |
| 4.6 概率神经网络概述 | 第49-51页 |
| 4.7 故障诊断测试与结论 | 第51-54页 |
| 4.8 本算例的不足与后续研究方向 | 第54-55页 |
| 4.9 本章小结 | 第55-56页 |
| 第五章 变压器状态检修策略研究 | 第56-68页 |
| 5.1 变压器状态划分 | 第56-58页 |
| 5.2 变压器状态评估的方法 | 第58-59页 |
| 5.3 检修体制的演变 | 第59-61页 |
| 5.4 状态检修策略 | 第61-64页 |
| 5.4.1 状态检修项目 | 第61-63页 |
| 5.4.2 变压器的状态检修策略 | 第63-64页 |
| 5.5 实例分析 | 第64-67页 |
| 5.5.1 实例一 | 第64-65页 |
| 5.5.2 实例二 | 第65-67页 |
| 5.6 本章小结 | 第67-68页 |
| 结论与展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 读研期间发表的论文 | 第72-74页 |
| 致谢 | 第74-75页 |
| 附录 部分本文建立超香肠神经元源程序 | 第75-81页 |
