| 摘要 | 第1-6页 |
| abstract | 第6-10页 |
| 1 绪论 | 第10-19页 |
| ·课题研究的目的和意义 | 第10-11页 |
| ·国内外的研究现状 | 第11-15页 |
| ·诊断所使用的故障征兆信息 | 第11页 |
| ·人工智能技术在故障诊断中的运用 | 第11-15页 |
| ·粗糙集理论及其应用的发展状况 | 第15-16页 |
| ·电网故障诊断系统的实用化所面临的主要的问题 | 第16-17页 |
| ·本文所做的工作 | 第17-19页 |
| 2 粗糙集理论基础 | 第19-28页 |
| ·知识的含义 | 第19-22页 |
| ·等价关系 | 第19-21页 |
| ·知识与分类 | 第21页 |
| ·知识的等价、特化和推广 | 第21-22页 |
| ·粗糙集合的定义 | 第22-25页 |
| ·粗糙集合的上逼近、下逼近 | 第22-24页 |
| ·非精确的数字特征 | 第24-25页 |
| ·粗糙隶属函数 | 第25页 |
| ·知识的化简 | 第25-27页 |
| ·约简与核 | 第25-26页 |
| ·决策表 | 第26-27页 |
| ·决策表的简化 | 第27页 |
| ·本章小结 | 第27-28页 |
| 3 电网故障诊断相关知识 | 第28-35页 |
| ·电力系统继电保护 | 第28-30页 |
| ·电力系统继电保护的基本要求 | 第28-29页 |
| ·我国继电保护的典型配置 | 第29-30页 |
| ·我国继电保护的整定原则 | 第30页 |
| ·电网故障诊断信息 | 第30-32页 |
| ·电网故障诊断的基本原理与方法 | 第32-34页 |
| ·故障诊断区域的确定 | 第32页 |
| ·故障诊断的基本思想 | 第32-33页 |
| ·故障诊断的难点 | 第33-34页 |
| ·故障诊断方法的评价标准 | 第34页 |
| ·本章小结 | 第34-35页 |
| 4 粗糙集的约简及故障诊断规则的提取 | 第35-55页 |
| ·属性约简 | 第35-43页 |
| ·常见属性约简算法 | 第35-36页 |
| ·基于逻辑运算的属性约简 | 第36-38页 |
| ·配电网算例分析 | 第38-43页 |
| ·值约简 | 第43-48页 |
| ·改进值约简算法 | 第43-44页 |
| ·配电网算例分析 | 第44-48页 |
| ·故障诊断规则的提取 | 第48-54页 |
| ·构建故障诊断总体规则知识库的基本原理 | 第49-51页 |
| ·配电网算例分析 | 第51-53页 |
| ·故障警报信号诊断算例 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 5 基于 RSNN的配电网故障诊断智能混合系统设计 | 第55-62页 |
| ·粗糙集神经网络(RSNN)系统 | 第55-57页 |
| ·基于 RSNN的配电网故障诊断智能混合系统的结构与设计 | 第57-60页 |
| ·粗糙集神经网络的构成 | 第57-59页 |
| ·数据预处理 | 第59页 |
| ·决策表构造与约简 | 第59页 |
| ·神经网络分类器构造 | 第59页 |
| ·规则知识求精 | 第59-60页 |
| ·规则约简与合并 | 第60页 |
| ·基于知识的粗糙集神经网络智能混合系统的特点 | 第60页 |
| ·本章小结 | 第60-62页 |
| 6 RSNN在配电网故障诊断中的应用仿真实现 | 第62-79页 |
| ·配电网故障诊断模型及决策表生成 | 第62-66页 |
| ·电网故障诊断模型 | 第62-64页 |
| ·电网故障诊断决策表的建立 | 第64-66页 |
| ·RSNN进行配电网故障诊断 | 第66-78页 |
| ·本章小结 | 第78-79页 |
| 结论 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 附录 粗糙集约简程序 | 第84-86页 |