| 第1章 绪论 | 第1-13页 |
| 1．1 大型发电机定子绝缘局部放电模式识别的意义 | 第6-8页 |
| 1．2 大型发电机绝缘局部放电模式识别的研究进展 | 第8-12页 |
| 1．2．1 局部放电的模拟方法 | 第8-9页 |
| 1．2．2 局部放电的特征提取与模式识别方法 | 第9-12页 |
| 1．3 论文的主要工作 | 第12-13页 |
| 第2章 发电机绝缘局部放电试验模型的研制 | 第13-20页 |
| 2．1 发电机绝缘放电的类型、起因、发展过程及危害 | 第13-15页 |
| 2．1．1 内部放电 | 第13页 |
| 2．1．2 端部放电 | 第13-14页 |
| 2．1．3 槽间放电 | 第14-15页 |
| 2．1．4 断股电弧放电 | 第15页 |
| 2．2 发电机绝缘局部放电模型设计 | 第15-19页 |
| 2．2．1 模型设计 | 第15-17页 |
| 2．2．2 模型的物理实现 | 第17-19页 |
| 2．3 本章小节 | 第19-20页 |
| 第3章 发电机绝缘局部放电模型实验及局部放电特性分析 | 第20-29页 |
| 3．1 局部放电模型实验 | 第20-25页 |
| 3．1．1 实验接线与设备 | 第20-21页 |
| 3．1．2 实验主回路处理 | 第21-22页 |
| 3．1．3 实验测量回路处理 | 第22-24页 |
| 3．1．4 实验数据流程 | 第24-25页 |
| 3．1．5 三维谱图文件存储格式 | 第25页 |
| 3．2 各种局部放电模型的放电特性分析 | 第25-29页 |
| 3．2．1 脱壳空放电 | 第25-26页 |
| 3．2．2 层间空放电 | 第26页 |
| 3．2．3 表皮空放电 | 第26页 |
| 3．2．4 端部放电 | 第26-27页 |
| 3．2．5 槽间放电 | 第27-28页 |
| 3．6 本章小节 | 第28-29页 |
| 第4章 基于人工神经网络的局部放电模式识别研究 | 第29-51页 |
| 4．1 人工神经网络的基础 | 第29-32页 |
| 4．1．1 神经元的模型 | 第29-30页 |
| 4．1．2 激励函数 | 第30-31页 |
| 4．1．3 人工神经网络的结构 | 第31页 |
| 4．1．4 人工神经网络的学习算法 | 第31-32页 |
| 4．1．5 人工神经网络的特点 | 第32页 |
| 4．2 BP网络 | 第32-37页 |
| 4．2．1 BP网络的结构与数学描述 | 第33页 |
| 4．2．2 BP算法 | 第33-37页 |
| 4．3 人工神经网络应用的构造 | 第37-40页 |
| 4．3．1 基于神经网络的局部放电模式识别过程 | 第37-38页 |
| 4．3．2 样本的选取与预处理 | 第38-39页 |
| 4．3．3 隐含层单元数的选择 | 第39-40页 |
| 4．3．4 权和阈的初始值的选取 | 第40页 |
| 4．3．5 神经网络的训练和识别 | 第40页 |
| 4．4 人工神经网络在大型发电机绝缘局部放电类型识别中的应用 | 第40-47页 |
| 4．4．1 局部放电信号的特征提取 | 第40-41页 |
| 4．4．2 神经网络的结构 | 第41页 |
| 4．4．3 识别的判断准则 | 第41-43页 |
| 4．4．4 人工神经网络对局部放电类型的识别结果 | 第43-47页 |
| 4．5 局部放电严重程度的分布 | 第47-50页 |
| 4．6 数据采样同时性对数据分析的影响 | 第50页 |
| 4．7 本章小节 | 第50-51页 |
| 第5章 基于分形方法的局部放电模式识别研究 | 第51-61页 |
| 5．1 分形的概念 | 第51页 |
| 5．2 分形计算方法的探讨 | 第51-56页 |
| 5．2．1 三维盒子法 | 第52页 |
| 5．2．2 三维概率法 | 第52-54页 |
| 5．2．3 实验与分析 | 第54-56页 |
| 5．3 分形在发电机定子绝缘局部放电模式识别中的应用 | 第56-60页 |
| 5．4 本章小节 | 第60-61页 |
| 第6章 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致 谢 | 第68-69页 |
| 附 录 | 第69-73页 |
