基于BP神经网络的大型发电机主绝缘击穿电压研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 1 绪论 | 第10-19页 |
| ·研究的目的和意义 | 第10-11页 |
| ·国内外研究动态 | 第11-17页 |
| ·基于运行历史的剩余击穿电压评估 | 第12-14页 |
| ·基于非破坏性参量的剩余击穿电压的评估 | 第14-17页 |
| ·论文研究内容与主要工作 | 第17-19页 |
| 2 大型发电机主绝缘 | 第19-26页 |
| ·大型发电机主绝缘结构 | 第19-21页 |
| ·套筒式主绝缘结构 | 第19-21页 |
| ·全带复合式主绝缘结构 | 第21页 |
| ·连续式主绝缘结构 | 第21页 |
| ·大型发电机主绝缘体系 | 第21-25页 |
| ·虫胶云母烘卷与沥青云母主绝缘体系 | 第22-23页 |
| ·合成树脂云母主绝缘体系 | 第23-25页 |
| ·小结 | 第25-26页 |
| 3 非破坏性参量与剩余击穿电压 | 第26-36页 |
| ·非破坏性参量 | 第26-32页 |
| ·直流特征参量 | 第26-27页 |
| ·交流特征参量 | 第27-28页 |
| ·介质特征参量 | 第28-29页 |
| ·局部放电特征参量 | 第29-32页 |
| ·非电特征参量 | 第32页 |
| ·非破坏性参量的选择 | 第32-33页 |
| ·非破坏性参量与剩余击穿电压相关性分析 | 第33-35页 |
| ·小结 | 第35-36页 |
| 4 BP神经网络的基本概念及其改进算法 | 第36-50页 |
| ·人工神经网络的基本概念 | 第36-40页 |
| ·神经元 | 第36-37页 |
| ·人工神经网络 | 第37-39页 |
| ·神经元的数学模型 | 第39页 |
| ·人工神经网络的类型 | 第39-40页 |
| ·BP神经网络 | 第40-49页 |
| ·BP神经网络的结构 | 第40-42页 |
| ·BP神经网络的学习算法及收敛 | 第42-47页 |
| ·BP网络存在的问题 | 第47页 |
| ·BP神经网络的改进算法 | 第47-49页 |
| ·小结 | 第49-50页 |
| 5 基于BP神经网络的剩余击穿电压预测 | 第50-63页 |
| ·BP神经网络预测系统的编制 | 第50-56页 |
| ·样本输入及选择 | 第51页 |
| ·数据归一化处理 | 第51页 |
| ·网络参量确定 | 第51-54页 |
| ·网络的训练 | 第54-55页 |
| ·数据仿真 | 第55页 |
| ·附加功能 | 第55-56页 |
| ·剩余击穿电压的预测 | 第56-62页 |
| ·神经网络的选择 | 第56-61页 |
| ·剩余击穿电压的验证 | 第61-62页 |
| ·本方法的优点 | 第62页 |
| ·小结 | 第62-63页 |
| 6 结论与展望 | 第63-65页 |
| ·主要结论 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 在读期间科研成果 | 第70-71页 |
| 声明 | 第71-72页 |
| 致谢 | 第72页 |
