摘要 | 第1-7页 |
Abstract | 第7-15页 |
第1章 绪论 | 第15-27页 |
·课题的研究背景及意义 | 第15-17页 |
·国内外研究的现状 | 第17-23页 |
·设备状态检修的研究现状 | 第17-20页 |
·设备故障诊断的研究现状 | 第20-21页 |
·数据驱动理论的研究现状 | 第21-23页 |
·论文研究的主要内容 | 第23-25页 |
·论文组织结构 | 第25-27页 |
第2章 故障诊断理论研究及应用分析 | 第27-47页 |
·引言 | 第27页 |
·设备故障诊断概述 | 第27-33页 |
·设备故障及分类 | 第27-29页 |
·设备故障规律 | 第29-32页 |
·设备故障诊断 | 第32-33页 |
·基于数据驱动的故障诊断方法 | 第33-37页 |
·基于统计分析的故障诊断方法 | 第34-36页 |
·基于信号分析的故障诊断方法 | 第36-37页 |
·基于定量知识的故障诊断方法 | 第37页 |
·基于范例的推理 | 第37-44页 |
·基于范例推理概述 | 第37-39页 |
·基于范例推理过程分析 | 第39-40页 |
·范例的知识表示 | 第40-42页 |
·范例的检索策略 | 第42-43页 |
·基于范例推理故障诊断的特点 | 第43-44页 |
·基于范例推理的故障诊断模型及应用分析 | 第44-46页 |
·本章小结 | 第46-47页 |
第3章 输变电设备状态智能诊断模型提出及相关技术研究 | 第47-67页 |
·引言 | 第47页 |
·输变电设备状态智能诊断模型的提出 | 第47-49页 |
·输变电设备状态智能诊断相关技术研究 | 第49-55页 |
·输变电设备数据主元分析 | 第49-52页 |
·诊断核函数构造 | 第52-55页 |
·支持向量机分类器研究 | 第55-65页 |
·诊断模型线性分类器 | 第55-59页 |
·支持向量机分类器 | 第59-61页 |
·分类算法研究 | 第61-63页 |
·模型分类器参数优化 | 第63-65页 |
·本章小结 | 第65-67页 |
第4章 输变电设备状态智能诊断模型及算法研究 | 第67-84页 |
·引言 | 第67页 |
·输变电设备信息模型 | 第67-71页 |
·设备模型 | 第68-69页 |
·设备状况范例模型 | 第69-70页 |
·设备状况范例的数据结构 | 第70-71页 |
·设备故障分类器与指纹模型 | 第71-77页 |
·设备故障分类器模型 | 第71-73页 |
·设备故障指纹模型 | 第73-77页 |
·输变电设备状态智能诊断模型 | 第77-79页 |
·输变电设备状态智能诊断算法 | 第79-82页 |
·本章小结 | 第82-84页 |
第5章 输变电设备在线状态分析与智能诊断系统的建立 | 第84-98页 |
·引言 | 第84页 |
·系统概述 | 第84-85页 |
·系统总体设计 | 第85-92页 |
·系统架构 | 第85-90页 |
·系统功能设计 | 第90-91页 |
·系统物理架构 | 第91-92页 |
·系统实现 | 第92-96页 |
·系统实现方案 | 第92-93页 |
·基于构件架构技术的系统实现 | 第93-96页 |
·系统开发与应用环境 | 第96-97页 |
·本章小结 | 第97-98页 |
第6章 实证分析 | 第98-111页 |
·引言 | 第98页 |
·传统变压器故障诊断 | 第98-100页 |
·故障诊断实例 | 第100-109页 |
·变压器状态分类 | 第100-104页 |
·变压器故障范例学习阶段 | 第104-107页 |
·变压器故障诊断阶段 | 第107-108页 |
·诊断结果分析 | 第108-109页 |
·本章小结 | 第109-111页 |
第7章 总结及展望 | 第111-113页 |
参考文献 | 第113-120页 |
攻读博士学位期间发表的论文 | 第120-122页 |
攻读博士学位期间参加的科研工作 | 第122-123页 |
致谢 | 第123-124页 |
作者简介 | 第124页 |