| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 1 绪论 | 第10-30页 |
| 1．1 GIS局部放电检测及其模式识别研究的重要意义 | 第10-11页 |
| 1．2 GIS内的缺陷类型分析 | 第11-14页 |
| 1．3 GIS局部放电检测的发展状况 | 第14-19页 |
| 1．3．1 GIS内局部放电特征 | 第14-15页 |
| 1．3．2 GIS局部放电检测方法 | 第15-19页 |
| 1．4 局部放电模式识别研究的发展状况 | 第19-28页 |
| 1．4．1 局部放电模式特征参数提取 | 第20-24页 |
| 1．4．2 局部放电模式识别分类器 | 第24-28页 |
| 1．5 本文的研究目标及内容 | 第28-30页 |
| 2 GIS局部放电信号的内置传感原理及检测方法 | 第30-52页 |
| 2．1 内置传感器结构 | 第30-31页 |
| 2．2 内置传感器的电容耦合模型 | 第31-38页 |
| 2．2．1 传感器频率响应特性 | 第32-37页 |
| 2．2．2 传感器输入输出特性 | 第37-38页 |
| 2．3 内置传感器的天线模型 | 第38-47页 |
| 2．3．1 GIS内电磁波传输特征分析 | 第38-43页 |
| 2．3．2 内置传感器的天线接收原理 | 第43页 |
| 2．3．3 圆板传感器天线模型 | 第43-47页 |
| 2．4 GIS局部放电信号测量 | 第47-51页 |
| 2．5 本章小结 | 第51-52页 |
| 3 图象分维数估计和分形无标度区确定的原理及方法 | 第52-72页 |
| 3．1 分形的基本特征 | 第52-57页 |
| 3．1．1 分形的自相似性 | 第53-54页 |
| 3．1．2 分形的标度不变性与无标度区 | 第54页 |
| 3．1．3 分维数 | 第54-57页 |
| 3．2 图象分维数估计的最少盒计数法 | 第57-66页 |
| 3．2．1 图象分维数估计的主要方法 | 第57-58页 |
| 3．2．2 最少盒计数法 | 第58-61页 |
| 3．2．3 最少盒计数法的实例图象分析 | 第61-66页 |
| 3．3 分形无标度区确定的逐段搜索方法 | 第66-71页 |
| 3．3．1三 折线法 | 第66-69页 |
| 3．3．2 分形无标度区确定的逐段搜索方法 | 第69-71页 |
| 3．4 本章小结 | 第71-72页 |
| 4 GIS局部放电灰度图象分形特征提取的原理及方法 | 第72-90页 |
| 4．1 GIS缺陷模型及实验方案 | 第72-75页 |
| 4．1．1 缺陷模型 | 第72-74页 |
| 4．1．2 实验方案 | 第74-75页 |
| 4．2 获取缺陷放电样本实验 | 第75-83页 |
| 4．2．1 实验步骤及方法 | 第75-76页 |
| 4．2．2 GIS局部放电灰度图象构造方法 | 第76-83页 |
| 4．3 GIS局部放电灰度图象分形特征提取 | 第83-88页 |
| 4．3．1 盒维数、信息维数计算方法 | 第83-86页 |
| 4．3．2 分维数计算结果 | 第86-88页 |
| 4．4 本章小结 | 第88-90页 |
| 5 以分形特征为输入量的GIS局部放电模式识别原理及方法 | 第90-105页 |
| 5．1 神经网络的基本原理 | 第90-94页 |
| 5．1．1 BP网络 | 第91页 |
| 5．1．2 RBF神经网络 | 第91-94页 |
| 5．2 以分形特征为输入量的RBF神经网络识别方法 | 第94-101页 |
| 5．2．1 模式识别方案 | 第94-95页 |
| 5．2．2 以分形特征为输入量的RBF网络识别结果 | 第95-101页 |
| 5．3 分形特征同矩特征识别效果的比较 | 第101-104页 |
| 5．4 本章小结 | 第104-105页 |
| 6 结论与展望 | 第105-107页 |
| 致谢 | 第107-108页 |
| 参考文献 | 第108-116页 |
| 攻读博士学位期间发表的学术论文 | 第116页 |
