| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·本课题的研究背景及意义 | 第9-10页 |
| ·课题的国内外研究现状 | 第10-12页 |
| ·本文研究的主要内容 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第2章 径向基函数神经网络基础理论 | 第14-27页 |
| ·引言 | 第14页 |
| ·径向基函数神经网络的生理学基础 | 第14-16页 |
| ·径向基函数神经网络的拓扑结构描述 | 第16-18页 |
| ·径向基函数神经网络的工作原理 | 第18-19页 |
| ·神经网络的学习训练过程 | 第19-20页 |
| ·神经网络的泛化能力分析及影响因素 | 第20-21页 |
| ·径向基函数神经网络应用实例分析 | 第21-27页 |
| ·进行状态参数预测和系统辩识 | 第21-24页 |
| ·BP神经网络与RBF神经网络模式分类的比较 | 第24-27页 |
| 第3章 正交-梯度算法的RBF神经网络的结构设计 | 第27-43页 |
| ·引言 | 第27页 |
| ·径向基函数神经网络常用的学习算法 | 第27-33页 |
| ·聚类方法 | 第28-29页 |
| ·梯度学习算法 | 第29-31页 |
| ·正交最小二乘(OLS)学习算法 | 第31-33页 |
| ·正交-梯度算法的RBF神经网络设计 | 第33-39页 |
| ·训练样本数量的确定 | 第33-34页 |
| ·训练样本集的准备 | 第34-36页 |
| ·网络初始参数的确定 | 第36-38页 |
| ·正交-梯度算法的RBF神经网络结构模型的建立 | 第38-39页 |
| ·网络性能测试 | 第39-43页 |
| 第4章 正交-梯度算法的RBF神经网络在断路器机械故障诊断中的应用 | 第43-66页 |
| ·引言 | 第43页 |
| ·高压断路器简介 | 第43-45页 |
| ·弹簧操作机构概述 | 第45-46页 |
| ·操动机构有关参数的检测 | 第46-50页 |
| ·合/分闸动触头行程和速度的测量 | 第47-48页 |
| ·储能系统合闸弹簧状态的测量 | 第48-49页 |
| ·合/分闸线圈电流的测量 | 第49-50页 |
| ·基于正交-梯度算法的RBF网络故障诊断系统的建立 | 第50-58页 |
| ·断路器合/分闸电气控制原理简介及模拟试验接线 | 第50-52页 |
| ·正交-梯度算法的RBF神经网络故障诊断系统设计 | 第52-58页 |
| ·实验测试 | 第58-62页 |
| ·人机界面设计简介 | 第62-66页 |
| 结论和展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表论文情况 | 第73页 |