| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-9页 |
| 1 引言 | 第9-17页 |
| ·变压器故障诊断的目的和意义 | 第9-10页 |
| ·变压器故障与油中特征气体含量的关系 | 第10-11页 |
| ·神经网络在变压器故障诊断中的应用 | 第11-12页 |
| ·虚拟仪器概述 | 第12-15页 |
| ·虚拟仪器的概念 | 第12-13页 |
| ·虚拟仪器的分类 | 第13-14页 |
| ·虚拟仪器的构成 | 第14-15页 |
| ·本文主要工作 | 第15-17页 |
| 2 BP 神经网络在变压器故障诊断中的应用 | 第17-28页 |
| ·BP 网络模型 | 第17-21页 |
| ·BP 网络结构与原理 | 第17-18页 |
| ·BP 网络学习算法 | 第18-21页 |
| ·基于 BP 网络的变压器故障诊断的仿真 | 第21-24页 |
| ·训练样本的获取 | 第21-22页 |
| ·输入向量的确定 | 第22页 |
| ·输出向量的确定 | 第22页 |
| ·BP 神经网络结构的确定 | 第22-23页 |
| ·网络测试 | 第23-24页 |
| ·BP 算法的改进 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 3 RBF 神经网络在变压器故障诊断中的应用 | 第28-38页 |
| ·RBF 网络模型 | 第28-33页 |
| ·RBF 网络结构与原理 | 第28-29页 |
| ·RBF 网络学习算法 | 第29-33页 |
| ·基于 RBF 网络的变压器故障诊断的仿真 | 第33-36页 |
| ·输入输出向量的确定 | 第33页 |
| ·RBF 神经网络结构的确定 | 第33-34页 |
| ·RBF 网络的训练 | 第34页 |
| ·网络测试 | 第34-36页 |
| ·RBF 与 BP 网络诊断方法的比较和结合 | 第36-37页 |
| ·两种网络的比较 | 第36-37页 |
| ·两种网络相结合的综合诊断 | 第37页 |
| ·本章小结 | 第37-38页 |
| 4 基于虚拟仪器和神经网络的诊断系统的硬件设计 | 第38-49页 |
| ·虚拟仪器设计平台 LabVIEW 简介 | 第38-39页 |
| ·基于 LabVIEW 的变压器故障诊断系统的硬件设计 | 第39-48页 |
| ·传感器的选用 | 第40-43页 |
| ·信号调理电路的设计 | 第43-45页 |
| ·数据采集卡的选用 | 第45-47页 |
| ·远程数据传输和通信设计 | 第47页 |
| ·计算机系统 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5 基于虚拟仪器和神经网络的诊断系统的软件设计 | 第49-61页 |
| ·基于 LabVIEW 的变压器故障诊断系统的软件开发 | 第49-60页 |
| ·数据采集模块的构成 | 第50-51页 |
| ·BP 网络仿真模块的构成 | 第51-53页 |
| ·RBF 网络仿真模块的构成 | 第53-55页 |
| ·综合故障诊断系统的构成 | 第55-56页 |
| ·数据库系统的构成 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 6 结论与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表论文情况 | 第67页 |