| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·变压器故障诊断的重要意义 | 第8-9页 |
| ·变压器监测与故障诊断现状 | 第9-14页 |
| ·监测技术 | 第9-10页 |
| ·诊断技术 | 第10-14页 |
| ·判据研究 | 第10-11页 |
| ·人工智能方法在DGA诊断中的应用 | 第11-14页 |
| ·诊断软件的需求分析 | 第14-15页 |
| ·本文所做的主要工作 | 第15-16页 |
| 第二章 变压器的故障类型及诊断 | 第16-28页 |
| ·引言 | 第16页 |
| ·变压器故障原因及种类 | 第16-17页 |
| ·变压器故障原因 | 第16-17页 |
| ·变压器故障类型 | 第17页 |
| ·变压器在线监测 | 第17-18页 |
| ·油中溶解气体分析 | 第18-22页 |
| ·油中气体的产生与溶解 | 第18-19页 |
| ·油中气体的监测 | 第19-20页 |
| ·正常运行变压器油中气体组分含量 | 第20-22页 |
| ·变压器油中溶解气体分析的诊断依据 | 第22-27页 |
| ·小结 | 第27-28页 |
| 第三章 人工神经网络与范例推理在变压器故障诊断中的应用 | 第28-47页 |
| ·引言 | 第28页 |
| ·人工神经网络研究历史 | 第28-29页 |
| ·神经网络的特点 | 第29-30页 |
| ·神经网络基础 | 第30-33页 |
| ·神经元模型 | 第30-31页 |
| ·神经网络的拓扑结构 | 第31-32页 |
| ·神经网络的学习规则 | 第32-33页 |
| ·反向传播(BP)网络 | 第33-38页 |
| ·BP网络的工作原理 | 第33-37页 |
| ·BP网络的改进 | 第37-38页 |
| ·Matlab神经网络工具箱在变压器故障诊断中的应用 | 第38-43页 |
| ·DGA数据的预处理 | 第39页 |
| ·BP神经网络参数的确定 | 第39-43页 |
| ·训练样本与诊断正确率的关系 | 第43页 |
| ·范例推理 | 第43-45页 |
| ·小结 | 第45-47页 |
| 第四章 用于变压器故障诊断的专家系统 | 第47-53页 |
| ·引言 | 第47页 |
| ·专家系统的组成 | 第47-48页 |
| ·专家系统的建造步骤 | 第48-49页 |
| ·构建变压器故障诊断专家系统 | 第49-50页 |
| ·数据库 | 第49页 |
| ·知识库 | 第49-50页 |
| ·神经网络与专家系统结合的方式 | 第50页 |
| ·多专家诊断结果融合策略 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第五章 系统的软件实现 | 第53-66页 |
| ·引言 | 第53页 |
| ·变压器DGA诊断软件的整体构想 | 第53-54页 |
| ·变压器DGA数据管理 | 第54-56页 |
| ·故障诊断 | 第56-61页 |
| ·诊断界面 | 第56-57页 |
| ·VB调用Matlab神经网络工具箱的实现方法 | 第57-61页 |
| ·综合诊断 | 第61页 |
| ·VB调用Ms Word输出诊断报告 | 第61-62页 |
| ·诊断实例 | 第62-65页 |
| ·小结 | 第65-66页 |
| 第六章 结论 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表的学术论文目录 | 第73页 |