| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 故障诊断技术的概述及电网故障诊断研究现状 | 第9-14页 |
| 1.2.1 故障诊断技术的发展概述 | 第9-12页 |
| 1.2.2 一般性故障诊断方法 | 第12-13页 |
| 1.2.3 电网故障诊断 | 第13-14页 |
| 1.3 本文主要研究工作 | 第14-16页 |
| 第2章 故障诊断中的小波变换与应用 | 第16-26页 |
| 2.1 预备知识 | 第16-20页 |
| 2.1.1 傅里叶分析简介 | 第16-18页 |
| 2.1.2 多分辨率分析的概念 | 第18-20页 |
| 2.2 基于小波变换的的信号分解与重构 | 第20-23页 |
| 2.3 信号分解与重构的Mallat算法 | 第23-26页 |
| 第3章 故障诊断中的信息融合技术 | 第26-35页 |
| 3.1 信息融合技术的概念 | 第26-28页 |
| 3.2 信息融合的主要方法 | 第28-32页 |
| 3.3 基于贝叶斯估计的信息融合过程 | 第32-35页 |
| 第4章 基于贝叶斯网络与小波理论的电网故障诊断 | 第35-58页 |
| 4.1 贝叶斯网络基础 | 第35-39页 |
| 4.1.1 概率论的基础 | 第35-37页 |
| 4.1.2 贝叶斯方法与贝叶斯概率 | 第37-38页 |
| 4.1.3 d-separation性和条件独立性 | 第38-39页 |
| 4.2 贝叶斯网络的构造学习 | 第39-45页 |
| 4.2.1 具有完整数据的贝叶斯网络的学习 | 第39-43页 |
| 4.2.2 基于Gibbs sampling和依赖分析的贝叶斯网络学习 | 第43-45页 |
| 4.3 贝叶斯网络的推理 | 第45-50页 |
| 4.3.1 信念更新的贝叶斯网络推理 | 第45-47页 |
| 4.3.2 朴素贝叶斯分类器 | 第47-49页 |
| 4.3.3 基于贝叶斯网络旳联合预测 | 第49-50页 |
| 4.4 基于贝叶斯网络与小波理论的电网故障诊断实现 | 第50-58页 |
| 4.4.1 基于贝叶斯网络与小波理论的电网故障诊断 | 第50-54页 |
| 4.4.2 算例分析 | 第54-58页 |
| 第5章 结论与展望 | 第58-60页 |
| 5.1 结论 | 第58页 |
| 5.2 进一步的方向 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
