| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-13页 |
| ·选题的背景和意义 | 第9页 |
| ·国内外研究现状和发展方向 | 第9-12页 |
| ·传统诊断方法 | 第10-11页 |
| ·智能化诊断方法 | 第11-12页 |
| ·论文主要工作 | 第12-13页 |
| 2 EBFNN模型及学习算法研究 | 第13-21页 |
| ·EBFNN网络模型的研究 | 第13-16页 |
| ·EBFNN学习算法的研究 | 第16-20页 |
| ·k均值聚类算法 | 第17-18页 |
| ·BP算法 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 3 基于EBFNN的变压器故障诊断方法 | 第21-33页 |
| ·开发平台的选择 | 第21-22页 |
| ·样本数据的选取 | 第22-25页 |
| ·神经网络的建模与训练 | 第25-29页 |
| ·输入输出神经元的确定 | 第25页 |
| ·隐含层神经元的确定 | 第25-26页 |
| ·神经网络的训练 | 第26-29页 |
| ·故障诊断结果分析 | 第29-31页 |
| ·EBFNN抗噪声能力测试 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 其他神经网络与EBFNN在变压器故障诊断中的应用比较 | 第33-43页 |
| ·RBF神经网络与EBFNN在变压器故障诊断中的应用比较 | 第33-37页 |
| ·RBF神经网络的建模 | 第33-34页 |
| ·RBF神经网络的训练 | 第34-35页 |
| ·基于RBF神经网络的变压器故障诊断结果 | 第35-37页 |
| ·模糊神经网络与EBFNN在变压器故障诊断中的应用比较 | 第37-42页 |
| ·模糊神经网络的建模 | 第37-38页 |
| ·模糊神经网络的训练 | 第38-40页 |
| ·基于模糊神经网络的变压器故障诊断结果 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 5 组合EBFNN在变压器多故障诊断中的应用 | 第43-52页 |
| ·基于单一EBFNN的变压器多重故障诊断 | 第43-46页 |
| ·基于一级组合式EBFNN的变压器故障诊断 | 第46-48页 |
| ·一级组合式EBFNN的建模与训练 | 第46-47页 |
| ·诊断结果分析 | 第47-48页 |
| ·基于两级组合式EBFNN的变压器故障诊断 | 第48-51页 |
| ·两级组合式EBFNN的建模与诊断原理 | 第48-50页 |
| ·诊断结果分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 6 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录A 基于EBFNN的变压器故障诊断代码 | 第57-61页 |
| 附录B 基于模糊神经网络的变压器故障诊断代码 | 第61-68页 |
| 附录C 基于两级组合式EBFNN的变压器故障诊断代码 | 第68-76页 |
| 附录D | 第76页 |
