| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 传统诊断方法国内外研究现状 | 第11-12页 |
| 1.2.2 智能诊断方法国内外研究现状 | 第12-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 第2章 电力机车主变压器故障及油中溶解气体分析 | 第16-25页 |
| 2.1 电力机车主变压器的特点 | 第16-17页 |
| 2.2 电力机车主变压器故障分类 | 第17-18页 |
| 2.3 油中溶解气体分析 | 第18-20页 |
| 2.3.1 溶解气体的产生机理 | 第18-19页 |
| 2.3.2 溶解气体与变压器故障的关系 | 第19-20页 |
| 2.4 传统的油中溶解气体分析诊断方法 | 第20-24页 |
| 2.4.1 诊断基本流程 | 第20-21页 |
| 2.4.2 故障判定 | 第21-23页 |
| 2.4.3 故障类型的诊断 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于二叉树SVM的电力机车主变压器故障诊断 | 第25-48页 |
| 3.1 支持向量机的二分类 | 第25-28页 |
| 3.1.1 线性支持向量机分类 | 第25-27页 |
| 3.1.2 非线性支持向量机分类 | 第27-28页 |
| 3.2 支持向量机的多分类 | 第28-30页 |
| 3.3 二叉树SVM的构建 | 第30-35页 |
| 3.3.1 构建方法的确定 | 第30-31页 |
| 3.3.2 模糊核聚类算法 | 第31-33页 |
| 3.3.3 二叉树SVM的构建过程 | 第33-35页 |
| 3.4 基于二叉树SVM的电力机车主变压器故障诊断模型 | 第35-43页 |
| 3.4.1 故障类型的确定 | 第35页 |
| 3.4.2 故障特征量的选择 | 第35-36页 |
| 3.4.3 样本的选取及其预处理 | 第36-37页 |
| 3.4.4 二叉树的生成 | 第37-39页 |
| 3.4.5 二叉树SVM的训练及测试 | 第39-43页 |
| 3.5 不同方法诊断结果对比 | 第43-45页 |
| 3.6 实例分析 | 第45-46页 |
| 3.7 本章小结 | 第46-48页 |
| 第4章 电力机车主变压器故障案例检索 | 第48-56页 |
| 4.1 案例库的构建 | 第48-51页 |
| 4.1.1 案例表示 | 第48-50页 |
| 4.1.2 案例组织 | 第50-51页 |
| 4.2 案例检索算法的选择 | 第51-52页 |
| 4.3 最近邻检索策略 | 第52-54页 |
| 4.3.1 KNN检索算法 | 第52页 |
| 4.3.2 属性的归一化 | 第52-53页 |
| 4.3.3 加权KNN检索算法 | 第53-54页 |
| 4.4 案例检索流程设计 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 电力机车主变压器故障诊断系统设计 | 第56-69页 |
| 5.1 系统设计需求 | 第56-57页 |
| 5.2 系统架构设计 | 第57-58页 |
| 5.2.1 系统开发环境 | 第57页 |
| 5.2.2 系统体系结构 | 第57-58页 |
| 5.3 系统功能设计 | 第58-63页 |
| 5.3.1 系统管理模块 | 第59页 |
| 5.3.2 履历管理模块 | 第59-60页 |
| 5.3.3 案例管理模块 | 第60-61页 |
| 5.3.4 故障诊断管理模块 | 第61-63页 |
| 5.3.5 信息共享接口 | 第63页 |
| 5.4 数据库设计 | 第63-65页 |
| 5.5 应用实例 | 第65-68页 |
| 5.6 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录A 作者研究生期间发表的论文 | 第76-77页 |
| 附录B 作者研究生期间参与的科研项目 | 第77页 |