摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第9-15页 |
1.1 课题研究背景和意义 | 第9-10页 |
1.2 国内外研究现状与发展趋势 | 第10-14页 |
1.2.1 局部放电分类器研究现状 | 第10-12页 |
1.2.2 多源局部放电诊断研究现状 | 第12-14页 |
1.3 本文主要研究工作 | 第14-15页 |
第2章 分类算法 | 第15-29页 |
2.1 随机森林算法 | 第15-22页 |
2.1.1 分类回归树 | 第15-18页 |
2.1.2 随机森林原理 | 第18-19页 |
2.1.3 随机森林收敛性 | 第19-22页 |
2.2 其它分类算法 | 第22-26页 |
2.3 集成算法通常优于单一算法原因 | 第26-28页 |
2.4 本章小结 | 第28-29页 |
第3章 分类算法对单源局部放电分类与泛化分析 | 第29-41页 |
3.1 放电样本获取 | 第29-31页 |
3.2 局部放电统计特征的提取 | 第31-34页 |
3.2.1 二维谱图的构造 | 第31-32页 |
3.2.2 统计特征提取 | 第32-34页 |
3.3 各分类器算法对单源局部放电分类与泛化分析 | 第34-40页 |
3.3.1 不考虑老化因素各分类算法对单源局部放电分类与泛化分析 | 第34-38页 |
3.3.2 考虑老化因素各分类算法对单源局部放电分类与泛化分析 | 第38-40页 |
3.4 本章小结 | 第40-41页 |
第4章 分类算法对多源局部放电分类与泛化分析 | 第41-51页 |
4.1 多源局部放电数据生成 | 第41-46页 |
4.1.1 现场噪声统计特性分析及噪声仿真 | 第41-44页 |
4.1.2 多源数据生成方法 | 第44-46页 |
4.2 各分类算法对多源局部放电分类与泛化分析 | 第46-50页 |
4.3 本章小结 | 第50-51页 |
第5章 基于RF多源局部放电判别的融合模型 | 第51-55页 |
5.1 各分类算法比较 | 第51-52页 |
5.2 融合模型的构建 | 第52-54页 |
5.3 本章小结 | 第54-55页 |
第6章 结论与展望 | 第55-56页 |
6.1 结论 | 第55页 |
6.2 研究工作展望 | 第55-56页 |
参考文献 | 第56-60页 |
攻读硕士学位期间发表的论文及其它成果 | 第60-61页 |
致谢 | 第61-62页 |
作者简介 | 第62页 |