| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 1 绪论 | 第7-17页 |
| ·变压器油纸绝缘老化状态评估的研究意义 | 第7-8页 |
| ·国内外的研究现状 | 第8-16页 |
| ·绝缘材料寿命模型的研究 | 第9-10页 |
| ·变压器绝缘老化判据研究 | 第10-14页 |
| ·局部放电特征参量在老化研究中的进展 | 第14-15页 |
| ·人工神经网络的研究进展 | 第15-16页 |
| ·本文研究内容 | 第16-17页 |
| 2 油纸绝缘老化及局部放电试验研究 | 第17-23页 |
| ·油纸绝缘热老化特性试验 | 第17-19页 |
| ·试验设计 | 第17页 |
| ·样品预处理 | 第17-18页 |
| ·寿命终点的判别 | 第18页 |
| ·试验温度及老化时间的选取 | 第18-19页 |
| ·老化过程中的局部放电研究 | 第19-21页 |
| ·试品模型试验的设计 | 第19-20页 |
| ·局部放电测量系统 | 第20页 |
| ·实验步骤及方法 | 第20-21页 |
| ·油纸试品聚合度测量结果 | 第21-22页 |
| ·小结 | 第22-23页 |
| 3 局部放电特征参量的提取及其因子分析 | 第23-43页 |
| ·局部放电统计算子 | 第23-24页 |
| ·统计算子的计算结果及分析 | 第24-27页 |
| ·局部放电特征参量分析 | 第27-30页 |
| ·H(q ) 图谱变化规律 | 第27-28页 |
| ·H_(qmax)(φ) 和H_n(φ) 图谱变化规律 | 第28-30页 |
| ·因子分析及主成分分析 | 第30-41页 |
| ·因子分析法的特点 | 第30-31页 |
| ·因子分析的原理 | 第31-32页 |
| ·局部放电特征量数据的主成分因子分析 | 第32-37页 |
| ·局部放电特征量数据的核主成分因子分析 | 第37-41页 |
| ·小结 | 第41-43页 |
| 4 遗传反向传播人工神经网络识别油纸绝缘老化状态 | 第43-58页 |
| ·人工神经网络概述 | 第43-48页 |
| ·人工神经元 | 第43-44页 |
| ·人工神经网络的学习规则 | 第44-45页 |
| ·多层前馈网络和BP 学习算法 | 第45-48页 |
| ·BP 神经网络与遗传算法的结合 | 第48-50页 |
| ·结合的必要性和可行性 | 第48-49页 |
| ·结合方法 | 第49-50页 |
| ·用于油纸绝缘老化识别的遗传反向传播神经网络模型的建立 | 第50-53页 |
| ·遗传反向传播人工神经网络基本结构 | 第50页 |
| ·输入层与输出层设计 | 第50页 |
| ·隐层数及隐单元数的选择 | 第50-51页 |
| ·遗传算法的具体实现 | 第51-53页 |
| ·GA-BP 神经网络对油纸绝缘老化识别的具体实现过程 | 第53-57页 |
| ·关键算法和实现流程 | 第53页 |
| ·遗传算法的参数选择问题 | 第53-55页 |
| ·BP 学习算法的学习率 | 第55页 |
| ·识别结果 | 第55-57页 |
| ·小结 | 第57-58页 |
| 5 结论与展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 | 第65页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第65页 |
| B. 作者在攻读硕士学位期间参加的科研项目 | 第65页 |
