| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 1 绪论 | 第11-33页 |
| ·GIS 局部放电信号数学模型建立及模式识别的意义 | 第11-13页 |
| ·GIS 局部放电 | 第13-21页 |
| ·可能引起 GIS 局部放电的原因 | 第13-14页 |
| ·GIS 主要缺陷类型 | 第14-16页 |
| ·SF_6气体的局部放电机理 | 第16-17页 |
| ·GIS 局部放电检测方法 | 第17-21页 |
| ·局部放电信号数学模型的研究现状 | 第21-22页 |
| ·局部放电模式识别的研究现状 | 第22-31页 |
| ·局部放电模式 | 第22-23页 |
| ·局部放电模式特征空间构造 | 第23-28页 |
| ·局部放电特征降维 | 第28-29页 |
| ·人工神经网络在局部放电模式识别的应用 | 第29-31页 |
| ·本文研究的主要内容 | 第31-33页 |
| 2 GIS 内绝缘缺陷的 UHF PD 信号波形特征分析 | 第33-51页 |
| ·GIS 缺陷物理模型和采集系统 | 第33-37页 |
| ·GIS 试验装置 | 第33-34页 |
| ·GIS 局部放电物理模型 | 第34-36页 |
| ·内置环超高频传感器 | 第36-37页 |
| ·超高频局部放电试验步骤 | 第37-41页 |
| ·试验结果及分析 | 第41-49页 |
| ·本章小结 | 第49-51页 |
| 3 GIS 的 UHF PD 信号数学模型构建 | 第51-71页 |
| ·数学模型的基本理论 | 第51-54页 |
| ·数学模型的定义 | 第51-52页 |
| ·数学建模的步骤 | 第52-54页 |
| ·局部放电超高频信号数学模型构建 | 第54-61页 |
| ·数学模型的检验与分析 | 第61-68页 |
| ·误差分析 | 第61-62页 |
| ·功率谱分析 | 第62-65页 |
| ·时频分析 | 第65-68页 |
| ·局部放电超高频信号数学模型参数的调整 | 第68页 |
| ·局部放电超高频信号数学模型在去噪仿真中的应用 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 4 基于二元树复小波变换的UHF PD 波形特征空间构造 | 第71-91页 |
| ·二元树复小波变换 | 第72-75页 |
| ·奇/偶（Odd/even）滤波器 | 第72-73页 |
| ·Q-shift 滤波器 | 第73-75页 |
| ·二元树复小波的平移不变性分析 | 第75-79页 |
| ·基于二元树复小波变换的 UHF PD 波形特征空间构造 | 第79-89页 |
| ·二元树复小波变换能量特征 | 第79-80页 |
| ·二元树复小波变换模极大值特征 | 第80-81页 |
| ·二元树复小波变换统计特征 | 第81页 |
| ·算法的实现 | 第81-82页 |
| ·特征构造的仿真分析 | 第82-89页 |
| ·本章小结 | 第89-91页 |
| 5 基于流形学习和组合神经网络的UHF PD 信号识别研究 | 第91-109页 |
| ·流形和流形学习 | 第91-92页 |
| ·基于流形学习方法的 UHF PD 信号特征非线性降维 | 第92-100页 |
| ·局部线性嵌入算法（LLE）的实现 | 第93-94页 |
| ·等距映射算法（ISOMAP）的实现 | 第94-95页 |
| ·拉普拉斯特征映射算法（Laplacian Eigenmap）的实现 | 第95-96页 |
| ·核主分量分析（KPCA）算法的实现 | 第96-100页 |
| ·基于组合神经网络分类器的 UHF PD 模式识别 | 第100-106页 |
| ·组合神经网络的组合方式 | 第101-102页 |
| ·组合神经网络在 GIS 内 UHF PD 信号中的应用 | 第102-104页 |
| ·识别结果及分析 | 第104-106页 |
| ·本章小结 | 第106-109页 |
| 6 结论与展望 | 第109-111页 |
| 致谢 | 第111-113页 |
| 参考文献 | 第113-123页 |
| 附录 | 第123-124页 |
| A. 作者在攻读博士学位期间发表的学术论文 | 第123-124页 |
| B. 作者在攻读博士学位期间参与的科研课题 | 第124页 |
