| 第一章 绪论 | 第1-13页 |
| 1．1 变压器故障诊断重要性与意义 | 第7-8页 |
| 1．2 变压器故障诊断专家系统的发展与研究状况 | 第8-11页 |
| 1．2．1 引言 | 第8-9页 |
| 1．2．2 需求分析 | 第9-10页 |
| 1．2．3 研究现状 | 第10-11页 |
| 1．3 本论文所做的工作 | 第11-13页 |
| 第二章 电力变压器绝缘故障分析与诊断 | 第13-32页 |
| 2．1 引言 | 第13-14页 |
| 2．2 变压器故障原因及种类 | 第14-17页 |
| 2．2．1 变压器故障原因 | 第14-15页 |
| 2．2．2 变压器故障类型 | 第15-17页 |
| 2．3 变压器的常规预防性试验 | 第17-21页 |
| 2．4 油中溶解气体分析（DGA） | 第21-31页 |
| 2．4．1 变压器内部故障类型与油中溶解气体含量的对应关系 | 第22-24页 |
| 2．4．2 特征气体色谱分析和故障判断 | 第24-31页 |
| 2．5 小结 | 第31-32页 |
| 第三章 变压器故障诊断专家系统 | 第32-46页 |
| 3．1 引言 | 第32-34页 |
| 3．1．1 专家系统的组成 | 第32-33页 |
| 3．1．2 传统专家系统存在的问题 | 第33-34页 |
| 3．2 建造专家系统的步骤 | 第34-37页 |
| 3．3 变压器故障诊断专家系统的构造 | 第37-45页 |
| 3．3．1 数据库 | 第37-39页 |
| 3．3．2 知识库 | 第39-42页 |
| 3．3．3 基于信息融合的多层分布式推理机制 | 第42-45页 |
| 3．4 小结 | 第45-46页 |
| 第四章 神经网络技术及其在变压器故障诊断中的应用 | 第46-66页 |
| 4．1 引言 | 第46-48页 |
| 4．1．1 神经网络的特点 | 第46-47页 |
| 4．1．2 神经网络的发展与现状 | 第47-48页 |
| 4．2 神经网络基础 | 第48-52页 |
| 4．2．1 神经元模型 | 第48-50页 |
| 4．2．2 神经网络的拓扑结构 | 第50-51页 |
| 4．2．3 神经网络的学习规则 | 第51-52页 |
| 4．3 反向传播（BP）网络 | 第52-56页 |
| 4．3．1 BP网络算法的工作原理 | 第53-56页 |
| 4．3．2 BP算法的存在的问题 | 第56页 |
| 4．4 BP网络的改进 | 第56-59页 |
| 4．4．1 学习率调整与动量项 | 第56-57页 |
| 4．4．2 混沌神经网络 | 第57-58页 |
| 4．4．3 算法效果比较分析 | 第58-59页 |
| 4．5 样本集的预处理 | 第59-64页 |
| 4．6 组合BP分类器网络模型 | 第64-65页 |
| 4．7 小结 | 第65-66页 |
| 第五章 系统软件实现 | 第66-72页 |
| 5．1 引言 | 第66页 |
| 5．2 系统设计目的与原则 | 第66-67页 |
| 5．3 应用系统整体结构与实现 | 第67-69页 |
| 5．3．1 系统整体结构 | 第67-68页 |
| 5．3．2 系统开发模式 | 第68-69页 |
| 5．3．3 应用系统的实现方式 | 第69页 |
| 5．4 应用系统功能构成 | 第69-70页 |
| 5．5 诊断实例 | 第70-71页 |
| 5．6 小结 | 第71-72页 |
| 第六章 结论 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76页 |