首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

局部放电综合实验平台及模式识别算法研究

附件第5-6页
摘要第6-7页
ABSTRACT第7-8页
目录第9-11页
第一章 绪论第11-19页
    1.1 研究的背景和意义第11-18页
        1.1.1 局放检测技术研究现状第11-14页
        1.1.2 局放模式识别研究现状第14-18页
    1.2 本文的主要工作及章节安排第18-19页
第二章 局放理论及检测方法第19-30页
    2.1 局放产生的机理第19-20页
    2.2 局放的表征现象第20-21页
    2.3 局部放电检测方法第21-29页
        2.3.1 脉冲电流法第21-24页
        2.3.2 高频电流法第24-27页
        2.3.3 特高频法第27-28页
        2.3.4 超声波法第28-29页
    2.4 本章小结第29-30页
第三章 局放综合实验平台设计及实现第30-42页
    3.1 综合实验平台的设计方案第30-38页
        3.1.1 实验平台总体构架第30-31页
        3.1.2 综合实验平台主要部分设计参数第31-34页
        3.1.3 综合实验平台的实现第34-38页
    3.2 局放缺陷模型的设计方案第38-41页
        3.2.1 典型局放缺陷第38-40页
        3.2.2 局放缺陷模型的设计第40-41页
    3.3 本章小结第41-42页
第四章 局部放电的模式识别第42-61页
    4.1 局部放电的数据类型第42-43页
        4.1.1 基于时间的局放数据第42页
        4.1.2 基于相位的局放数据第42-43页
    4.2 局部放电特征量的提取第43-51页
        4.2.1 基于时间的局放特征量第43页
        4.2.2 局放高频脉冲时域特征量的提取第43-46页
        4.2.3 基于相位的局放特征量第46-47页
        4.2.4 按簇划分的局放相位特征量的提取第47-51页
    4.3 粒子群优化求解的特征量线性判别分析降维第51-56页
        4.3.1 线性判别分析第52-54页
        4.3.2 粒子群优化算法第54-55页
        4.3.3 基于粒子群优化的线性判别分析降维矩阵求解第55-56页
    4.4 基于核密度估计的贝叶斯分类第56-60页
        4.4.1 核密度估计第56-58页
        4.4.2 贝叶斯决策第58-59页
        4.4.3 基于核密度估计的贝叶斯分类第59-60页
    4.5 本章小结第60-61页
第五章 局放模式识别算法实验验证第61-78页
    5.1 局部放电实验第61-65页
        5.1.1 空气中局部放电实验第61-62页
        5.1.2 油中局部放电实验第62-64页
        5.1.3 SF6中局放实验第64-65页
    5.2 算法的实验验证及结果分析第65-77页
        5.2.1 实验验证第65-75页
        5.2.2 结果分析第75-77页
    5.3 本章小结第77-78页
第六章 结论与展望第78-79页
    6.1 结论第78页
    6.2 展望第78-79页
参考文献第79-84页
致谢第84-85页
攻读硕士学位期间已发表或录用的论文第85页

论文共85页,点击 下载论文
上一篇:可撤销的属性基加密技术的研究
下一篇:基于超球体多类支持向量数据描述的医学图像分类方法研究