| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-20页 |
| ·电力变压器故障诊断的背景和意义 | 第10-11页 |
| ·电力变压器故障诊断主要技术及国内外研究现状 | 第11-16页 |
| ·油中溶解气体及故障特征气体诊断法 | 第11-12页 |
| ·油中特征气体比值故障诊断法 | 第12-14页 |
| ·模糊综合评判故障诊断 | 第14页 |
| ·以DGA 为特征量的灰色系统理论故障诊断 | 第14-15页 |
| ·人工神经网络对变压器故障诊断 | 第15-16页 |
| ·人工免疫研究现状 | 第16-18页 |
| ·人工免疫学简史 | 第16-18页 |
| ·论文的主要工作及内容安排 | 第18-20页 |
| 第2章 免疫系统及人工免疫工程相关知识 | 第20-29页 |
| ·免疫系统的组成 | 第20-21页 |
| ·免疫系统剖析 | 第21-23页 |
| ·免疫细胞 | 第23-25页 |
| ·淋巴细胞 | 第23-24页 |
| ·吞噬细胞、粒细胞及其相关细胞 | 第24页 |
| ·补体系统 | 第24-25页 |
| ·免疫系统怎样保护机体 | 第25-27页 |
| ·抗体分子 | 第26-27页 |
| ·免疫工程 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 人工免疫算法的研究 | 第29-38页 |
| ·免疫算法基本框架 | 第29页 |
| ·否定选择算法 | 第29-31页 |
| ·肯定选择算法 | 第31页 |
| ·克隆选择原理概述 | 第31-37页 |
| ·强化学习和免疫记忆 | 第33页 |
| ·体细胞突变，受体编辑和多变性 | 第33-36页 |
| ·高频变异机制 | 第36页 |
| ·克隆选择算法的架构 | 第36-37页 |
| ·免疫网络算法 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于人工免疫的电力变压器故障诊断 | 第38-48页 |
| ·电力变压器故障诊断功能模型的设计 | 第38-41页 |
| ·故障样本的收集 | 第38-39页 |
| ·数据预处理 | 第39-40页 |
| ·故障诊断功能模型 | 第40-41页 |
| ·抗体记忆分类算法 | 第41-43页 |
| ·抗体抗原 | 第41页 |
| ·抗体的克隆 | 第41-42页 |
| ·算法流程 | 第42-43页 |
| ·基于功能模型的变压器故障诊断 | 第43-45页 |
| ·电力变压器故障诊断机制 | 第43-45页 |
| ·动态学习 | 第45页 |
| ·实验分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 人工免疫思维进化算法在变压器故障诊断中的应用 | 第48-63页 |
| ·思维进化算法 | 第48-51页 |
| ·思维进化算法的原理 | 第48-50页 |
| ·MEA 的基本架构 | 第50-51页 |
| ·免疫思维进化记忆分类算法的提出 | 第51-57页 |
| ·免疫思维进化记忆分类算法分析 | 第51-54页 |
| ·IMEMCA 的流程架构 | 第54-57页 |
| ·变压器故障诊断模型的建立 | 第57-58页 |
| ·基于功能模型的变压器故障诊断 | 第58页 |
| ·实例仿真分析 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 结论与展望 | 第63-65页 |
| ·全文总结 | 第63-64页 |
| ·后续工作展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 附录A 变压器故障样本数据 | 第69-73页 |
| 攻读硕士学位期间参与的课题及发表的论文 | 第73页 |