变压器在线监测混合智能专家系统的研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·国内外发展现状 | 第11-13页 |
| ·国外的发展状况 | 第11-12页 |
| ·国内的发展情况 | 第12-13页 |
| ·在线检测的经济效益 | 第13页 |
| ·本文的主要研究内容 | 第13-15页 |
| 第2章 变压器故障在线监测常用方法 | 第15-28页 |
| ·变压器的构造及主要故障 | 第15-17页 |
| ·变压器的构造 | 第15-16页 |
| ·变压器的常见故障 | 第16-17页 |
| ·常见的变压器在线监测故障诊断方法 | 第17-18页 |
| ·变压器在线监测的范围 | 第17页 |
| ·变压器常见在线监测的方法 | 第17-18页 |
| ·变压器油中溶解气体分析（DGA）的常用方法 | 第18-27页 |
| ·油中特征气体法 | 第21-22页 |
| ·油中特征气体组分比值法 | 第22-27页 |
| ·小结 | 第27-28页 |
| 第3章 人工智能及其在变压器故障诊断中的应用 | 第28-41页 |
| ·人工智能的理论基础 | 第28-30页 |
| ·故障智能诊断系统的概念 | 第28-29页 |
| ·变压器设备故障的特点 | 第29页 |
| ·变压器故障智能诊断系统的功能特点 | 第29-30页 |
| ·专家系统的应用 | 第30-35页 |
| ·知识的表示与获取 | 第31-32页 |
| ·推理与控制策略 | 第32-33页 |
| ·解释机制 | 第33页 |
| ·专家系统的功能结构 | 第33-34页 |
| ·专家系统在变压器故障诊断领域的应用 | 第34-35页 |
| ·遗传算法的应用 | 第35-38页 |
| ·生物进化与遗传算法 | 第35页 |
| ·遗传算法的特点 | 第35-36页 |
| ·遗传算法的基本操作 | 第36-38页 |
| ·遗传算法在变压器故障诊断领域的应用 | 第38页 |
| ·其他智能方法的应用 | 第38-39页 |
| ·智能方法集成诊断系统的应用 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第4章 基于BP 神经网络的变压器故障诊断 | 第41-60页 |
| ·BP 神经网络的基本特点 | 第41-46页 |
| ·BP神经网络的学习规则 | 第41-45页 |
| ·BP 算法的学习流程 | 第45页 |
| ·隐层节点数的确定方法 | 第45-46页 |
| ·学习样本的处理 | 第46页 |
| ·BP 算法的缺点及其改进 | 第46-49页 |
| ·BP 算法的缺点 | 第46-47页 |
| ·BP 算法的改进 | 第47-49页 |
| ·免疫遗传算法对 BP 网络的训练 | 第49-59页 |
| ·标准遗传算法与神经网络的结合 | 第49-53页 |
| ·免疫遗传算法与神经网络的结合 | 第53-56页 |
| ·仿真测试结果的比较 | 第56-59页 |
| ·小结 | 第59-60页 |
| 第5章 混合智能专家系统的设计 | 第60-68页 |
| ·混合智能专家系统的概念 | 第60-61页 |
| ·神经网络与专家系统结合的方式 | 第61-62页 |
| ·混合智能专家系统的原理 | 第62-64页 |
| ·混合智能专家系统的设计 | 第64-66页 |
| ·知识的获取 | 第64页 |
| ·推理和解释 | 第64-66页 |
| ·系统的实现 | 第66-67页 |
| ·小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第75页 |
