| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-13页 |
| ·引言 | 第7-8页 |
| ·变压器故障诊断技术的国内外研究现状 | 第8-11页 |
| ·本文的主要研究内容 | 第11-13页 |
| 第2章 变压器油中溶解气体与故障的关系分析 | 第13-25页 |
| ·变压器油和绝缘材料性能及气体产生机理 | 第13-15页 |
| ·变压器油的性能与气体产生机理 | 第13-15页 |
| ·变压器固体绝缘材料性能与气体产生机理 | 第15页 |
| ·变压器绝缘故障与油中特征气体的关系 | 第15-16页 |
| ·以油中溶解气体组分含量为特征量的变压器故障诊断 | 第16-24页 |
| ·判断变压器有无故障的方法 | 第17-19页 |
| ·判断变压器故障性质和类型的方法 | 第19-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 人工神经网络原理 | 第25-38页 |
| ·人工神经网络理论 | 第25-27页 |
| ·人工神经元模型 | 第25-26页 |
| ·激活函数 | 第26-27页 |
| ·人工神经网络的拓扑结构与学习规则 | 第27-29页 |
| ·人工神经网络的拓扑结构 | 第27-28页 |
| ·人工神经网络的学习规则 | 第28-29页 |
| ·BP神经网络模型及其学习算法 | 第29-35页 |
| ·BP网络的模型 | 第29-30页 |
| ·BP算法的数学推导 | 第30-35页 |
| ·BP算法的改进 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 遗传算法原理 | 第38-54页 |
| ·遗传算法概述 | 第38页 |
| ·遗传算法的特点 | 第38-39页 |
| ·遗传算法的优化设计 | 第39-45页 |
| ·染色体编码方法 | 第39-40页 |
| ·个体适应度评价 | 第40页 |
| ·遗传算子 | 第40-44页 |
| ·控制参数的选择 | 第44-45页 |
| ·应用遗传算法进行问题求解的过程 | 第45-46页 |
| ·基本遗传算法的改进算法 | 第46-52页 |
| ·小生境遗传算法的基本原理 | 第47页 |
| ·小生境技术的实现方法 | 第47-49页 |
| ·小生境遗传算法的淘汰操作机制 | 第49-52页 |
| ·遗传算法在神经网络中的应用 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 基于小生境遗传算法的电力变压器故障诊断 | 第54-77页 |
| ·引言 | 第54-55页 |
| ·小生境遗传算法的电力变压器故障诊断模型的建立 | 第55-67页 |
| ·BP网络模型的构造 | 第55-62页 |
| ·小生境遗传算法优化BP网络的NGA-BP混合算法的实现 | 第62-67页 |
| ·网络模型的训练 | 第67-73页 |
| ·变压器故障诊断 | 第73-76页 |
| ·本章小结 | 第76-77页 |
| 第6章 全文总结 | 第77-79页 |
| ·本文的主要结论 | 第77-78页 |
| ·今后待研究的问题 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 摘要 | 第85-88页 |
| ABSTRACT | 第88-93页 |
| 致谢 | 第93-94页 |
| 导师及作者简介 | 第94页 |