基于统计和分形特征的油纸绝缘局部放电模式识别研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·油纸绝缘局部放电研究的意义 | 第8页 |
| ·局部放电模式识别的国内外研究现状 | 第8-10页 |
| ·油纸绝缘局部放电特性研究现状 | 第10-12页 |
| ·油纸绝缘老化程度判据研究 | 第10-11页 |
| ·油纸绝缘老化中的局部放电特征参量 | 第11-12页 |
| ·论文研究目标及主要工作 | 第12-13页 |
| 2 油纸绝缘缺陷模型局部放电试验 | 第13-21页 |
| ·放电模型及试验装置 | 第13-16页 |
| ·试验线路 | 第13-14页 |
| ·局部放电模型的设计 | 第14-16页 |
| ·油纸绝缘局部放电试验 | 第16-17页 |
| ·试验方法 | 第16-17页 |
| ·构造局部放电灰度图像 | 第17页 |
| ·试验结果分析 | 第17-20页 |
| ·不同类型放电比较 | 第17-19页 |
| ·局部放电阶段的划分 | 第19-20页 |
| ·小结 | 第20-21页 |
| 3 局部放电灰度图像统计特征 | 第21-28页 |
| ·局部放电灰度图像的统计特征提取 | 第21-25页 |
| ·统计模式识别的一般过程 | 第22页 |
| ·图像的统计特征 | 第22-25页 |
| ·油纸绝缘局部放电灰度图像统计特征分析 | 第25-27页 |
| ·小结 | 第27-28页 |
| 4 局部放电灰度图像分形特征 | 第28-39页 |
| ·分形和多重分形的定义 | 第28-29页 |
| ·局部放电灰度图像的分维数估计 | 第29-30页 |
| ·采样周期和特征值的关系 | 第30-38页 |
| ·小结 | 第38-39页 |
| 5 BP 人工神经网络识别结果分析 | 第39-47页 |
| ·人工神经网络基础 | 第39-41页 |
| ·人工神经元的基本模型 | 第39-40页 |
| ·人工神经网络的结构、工作方式和学习规则 | 第40-41页 |
| ·BP 神经网络的结构及其算法 | 第41-42页 |
| ·识别用人工神经网络的构造 | 第42-43页 |
| ·识别样本的选择 | 第42页 |
| ·样本数据归一化 | 第42-43页 |
| ·隐含层节点数的确定 | 第43页 |
| ·识别结果及分析 | 第43-46页 |
| ·小结 | 第46-47页 |
| 6 结论 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 附录1: 作者在攻读硕士学位期间发表的论文 | 第53-54页 |
| 附录2: 作者在攻读硕士学位期间参与的科研项目 | 第54-55页 |
| 独创性声明 | 第55页 |
| 学位论文版权使用授权书 | 第55页 |
