| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 直流电弧故障检测技术的研究背景及意义 | 第9页 |
| 1.2 直流电弧故障检测技术的研究开发现状 | 第9-12页 |
| 1.2.1 国外对直流电弧故障检测技术开发现状 | 第9-11页 |
| 1.2.2 国外的直流电弧故障断路器产品 | 第11页 |
| 1.2.3 国内对直流电弧故障研究成果 | 第11-12页 |
| 1.3 本论文的主要内容及组织结构 | 第12-14页 |
| 第二章 基于BP神经网络的直流电弧故障检测方法框架 | 第14-17页 |
| 2.1 基于BP神经网络的直流电弧故障检测算法的整体框架 | 第14-16页 |
| 2.2 BP神经网络的训练及测试流程 | 第16-17页 |
| 第三章 直流电弧故障特征分析 | 第17-36页 |
| 3.1 傅里叶变换及其在非平稳信号分析中的局限性 | 第17-20页 |
| 3.2 小波变换 | 第20-23页 |
| 3.3 原始电流采样数据的降噪处理 | 第23-28页 |
| 3.4 直流电弧故障特征分析 | 第28-35页 |
| 3.4.1 时域特性分析 | 第28-30页 |
| 3.4.2 频域特性分析 | 第30-33页 |
| 3.4.3 时频域特性分析 | 第33-35页 |
| 3.5 直流电弧故障特征量 | 第35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 用于直流电弧故障检测的BP神经网络设计 | 第36-50页 |
| 4.1 BP神经网络原理 | 第36-40页 |
| 4.2 用于直流电弧故障检测的BP神经网络结构参数及训练流程 | 第40-45页 |
| 4.2.1 BP神经网络结构参数的确定 | 第40-44页 |
| 4.2.2 BP神经网络的训练流程 | 第44-45页 |
| 4.3 用遗传算法优化BP神经网络初始权值 | 第45-48页 |
| 4.3.1 编码方案分析 | 第45-46页 |
| 4.3.2 适应度函数确定 | 第46页 |
| 4.3.3 遗传算子选择 | 第46-47页 |
| 4.3.4 变异和交叉概率确定 | 第47-48页 |
| 4.4 采用遗传算法优化的BP神经网络训练流程 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 实验结果及分析 | 第50-55页 |
| 5.1 BP神经网络训练样本集和测试集的建立 | 第50-51页 |
| 5.2 BP神经网络的训练 | 第51-53页 |
| 5.3 BP神经网络对直流电弧故障的检测 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-56页 |
| 6.1 本文总结 | 第55页 |
| 6.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |
