| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 选题背景及其意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 电力设备故障诊断技术的发展经历及研究现状 | 第11-14页 |
| 1.2.2 基于模糊聚类的故障诊断技术 | 第14-15页 |
| 1.3 本文的主要工作 | 第15-17页 |
| 第2章 断路器故障机械特性识别系统方案设计 | 第17-24页 |
| 2.1 高压断路器的几种常见故障类型 | 第17-18页 |
| 2.2 高压断路器故障机械特性识别系统方案设计 | 第18-23页 |
| 2.2.1 硬件系统设计 | 第19-20页 |
| 2.2.2 软件系统设计 | 第20-21页 |
| 2.2.3 实验设计 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 密度峰值优化的模糊聚类动态加权新算法 | 第24-34页 |
| 3.1 模糊聚类 | 第24-25页 |
| 3.1.1 模糊C均值聚类 | 第24-25页 |
| 3.1.2 模糊核C均值聚类 | 第25页 |
| 3.2 密度峰值聚类 | 第25-26页 |
| 3.3 密度峰值优化的模糊聚类动态加权新算法 | 第26-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 断路器声振联合双聚类智能故障诊断方法 | 第34-51页 |
| 4.1 三维振动信号特征差异的研究 | 第34-37页 |
| 4.2 声振联合信号特征量的提取 | 第37-46页 |
| 4.2.1 信号的采集 | 第37-39页 |
| 4.2.2 时标对位 | 第39-41页 |
| 4.2.3 局部均值分解 | 第41-45页 |
| 4.2.4 近似熵 | 第45-46页 |
| 4.3 断路器双聚类智能故障诊断方法 | 第46-50页 |
| 4.3.1 支持向量机基本原理 | 第46-47页 |
| 4.3.2 基于双聚类的断路器智能故障诊断 | 第47-49页 |
| 4.3.3 结果对比分析 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 结论与展望 | 第51-53页 |
| 5.1 结论 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文及其成果 | 第56-57页 |
| 致谢 | 第57页 |