高压直流输电系统故障诊断方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-17页 |
| ·选题的背景及意义 | 第7-9页 |
| ·高压直流输电的国内外研究现状 | 第9-11页 |
| ·国外直流输电发展 | 第9-10页 |
| ·中国直流输电的发展 | 第10-11页 |
| ·故障诊断方法概述 | 第11-16页 |
| ·一般的故障诊断方法 | 第11-12页 |
| ·智能故障诊断法 | 第12-14页 |
| ·支持向量机 | 第14-15页 |
| ·支持向量机在故障诊断中的研究应用 | 第15-16页 |
| ·本文的主要研究内容 | 第16-17页 |
| 第二章 统计学习理论和支持向量机 | 第17-27页 |
| ·机器学习问题的基本理论 | 第17-21页 |
| ·机器学习问题的表示 | 第17-18页 |
| ·经验风险最小化 | 第18页 |
| ·VC维理论 | 第18-19页 |
| ·结构风险最小化 | 第19-21页 |
| ·支持向量机 | 第21-25页 |
| ·线性可分 | 第21-22页 |
| ·近似线性可分 | 第22-23页 |
| ·非线性情况 | 第23-25页 |
| ·基于支持向量机的故障诊断方法 | 第25-26页 |
| ·基于支持向量机的故障诊断的基本步骤 | 第25页 |
| ·多分类问题 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 小波分析理论 | 第27-33页 |
| ·小波变换的基本内容 | 第27-29页 |
| ·连续小波变换 | 第27-28页 |
| ·离散小波变换 | 第28-29页 |
| ·MALLAT算法 | 第29-30页 |
| ·小波包理论 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第四章 HVDC系统的故障特征提取 | 第33-47页 |
| ·HVDC系统的组成 | 第33-34页 |
| ·HVDC系统常见故障 | 第34-35页 |
| ·HVDC换流器内部故障 | 第34-35页 |
| ·HVDC的线路故障 | 第35页 |
| ·HVDC的仿真模型 | 第35-37页 |
| ·故障仿真 | 第37-40页 |
| ·特征提取与选择 | 第40-41页 |
| ·小波包技术在HVDC故障特征提取中的应用 | 第41-45页 |
| ·HVDC的小波包故障提取算法 | 第41-42页 |
| ·基于小波包的故障特征提取算例 | 第42-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 基于SVM的HVDC系统故障诊断 | 第47-61页 |
| ·LIBSVM及其应用 | 第47-49页 |
| ·样本数据 | 第49-57页 |
| ·样本数据的获取方法 | 第49-50页 |
| ·训练样本数据 | 第50-55页 |
| ·测试样本数据 | 第55-57页 |
| ·故障诊断及结果分析 | 第57-60页 |
| ·RBF诊断结果 | 第57-58页 |
| ·多形式核函数诊断结果 | 第58-59页 |
| ·结论 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 结论 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |
