| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-20页 |
| ·状态监测及故障诊断研究的意义 | 第9-10页 |
| ·大型电力变压器基于信息融合故障诊断技术研究提出的目的及意义 | 第10-11页 |
| ·大型电力变压器基于信息融合故障诊断技术研究的国内外现状 | 第11-19页 |
| ·本文的主要研究内容 | 第19页 |
| ·本章小结 | 第19-20页 |
| 2 变压器故障诊断及分析 | 第20-27页 |
| ·引言 | 第20页 |
| ·电力变压器的结构 | 第20-21页 |
| ·电力变压器常见故障 | 第21-22页 |
| ·电力变压器常规故障诊断方法 | 第22-26页 |
| ·电气试验方法 | 第22-23页 |
| ·特征气体法 | 第23-24页 |
| ·常规IEC 三比值法 | 第24-25页 |
| ·DGA 新导则 | 第25-26页 |
| ·人工智能的方法 | 第26页 |
| ·本章小结 | 第26-27页 |
| 3 证据理论信息融合技术 | 第27-38页 |
| ·引言 | 第27页 |
| ·D-S 证据理论 | 第27-30页 |
| ·D-S 证据理论的基本概念 | 第28-30页 |
| ·证据决策准则 | 第30页 |
| ·证据理论的单调性 | 第30-32页 |
| ·证据推理递归算法 | 第32-35页 |
| ·证据基本概率赋值函数的修正 | 第35-37页 |
| ·证据的充分性 | 第35页 |
| ·证据的重要性 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于证据理论信息融合的变压器故障诊断 | 第38-51页 |
| ·引言 | 第38-39页 |
| ·变压器证据理论信息融合故障诊断模型的建立 | 第39-42页 |
| ·变压器的故障特征及故障模式 | 第42页 |
| ·数据层故障特征值的提取 | 第42页 |
| ·特征层小波神经网络的初级诊断 | 第42-49页 |
| ·决策层融合诊断 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 5 实例分析 | 第51-60页 |
| ·引言 | 第51页 |
| ·信息融合诊断实例1 | 第51-55页 |
| ·基于证据理论融合诊断分析 | 第51-53页 |
| ·基于证据推理递归算法融合诊断分析 | 第53-55页 |
| ·信息融合诊断实例2 | 第55-59页 |
| ·基于证据理论融合诊断分析 | 第55-58页 |
| ·基于证据推理递归算法融合诊断分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 6 结论 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67-69页 |