基于神经网络的变压器故障诊断技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题的研究背景和意义 | 第9页 |
| ·论文涉及算法的研究现状 | 第9-14页 |
| ·神经网络的研究现状与优化方法 | 第9-12页 |
| ·专家系统的研究现状 | 第12-13页 |
| ·蚁群算法的研究现状 | 第13-14页 |
| ·变压器诊断方法的研究现状 | 第14-15页 |
| ·论文研究的主要内容 | 第15页 |
| ·论文安排 | 第15-17页 |
| 第二章 变压器的故障及诊断方法 | 第17-29页 |
| ·引言 | 第17页 |
| ·变压器的常见故障 | 第17-18页 |
| ·油中溶解气体的来源 | 第18-19页 |
| ·油中溶解气体与故障类型的关系 | 第19-20页 |
| ·基于 DGA 的故障诊断方法 | 第20-28页 |
| ·判断变压器是否存在故障 | 第21-22页 |
| ·判断变压器故障的严重程度 | 第22-23页 |
| ·判断变压器故障的类型 | 第23-26页 |
| ·判断变压器故障的状况 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于蚁群算法的神经网络 | 第29-48页 |
| ·引言 | 第29页 |
| ·蚁群算法的基本原理 | 第29-33页 |
| ·蚁群算法的生物学基础 | 第29-31页 |
| ·蚁群算法的数学模型 | 第31-32页 |
| ·蚁群算法的特征 | 第32-33页 |
| ·蚁群算法的改进 | 第33-38页 |
| ·改进算法的思想 | 第33-34页 |
| ·改进算法的收敛性分析 | 第34-35页 |
| ·改进算法的测试 | 第35-38页 |
| ·基于蚁群算法的 BP 神经网络优化 | 第38-43页 |
| ·BP 神经网络的算法实现 | 第38-39页 |
| ·BP 神经网络的优点与不足 | 第39-40页 |
| ·蚁群算法优化 BP 神经网络 | 第40-41页 |
| ·蚁群优化神经网络的参数选择 | 第41-43页 |
| ·蚁群优化神经网络的应用与比较 | 第43-47页 |
| ·基于蚁群神经网络的故障诊断 | 第43-44页 |
| ·蚁群神经网络与其他算法的比较 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 神经网络专家系统的构建 | 第48-56页 |
| ·引言 | 第48页 |
| ·神经网络与专家系统的结合 | 第48-50页 |
| ·知识库的构建 | 第50-52页 |
| ·知识库的建立准备 | 第50页 |
| ·知识库的设计与实现 | 第50-52页 |
| ·推理机制 | 第52-53页 |
| ·解释机制 | 第53页 |
| ·筛选机制 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 变压器故障诊断系统的设计与实现 | 第56-68页 |
| ·引言 | 第56页 |
| ·设计的目标和功能 | 第56页 |
| ·开发平台的选择 | 第56-57页 |
| ·系统的功能模块划分 | 第57页 |
| ·诊断系统的设计与实现 | 第57-64页 |
| ·数据库系统的设计 | 第57-58页 |
| ·诊断系统主程序的开发 | 第58-59页 |
| ·实例知识管理模块 | 第59-60页 |
| ·规则知识管理模块 | 第60-61页 |
| ·筛选器的运作 | 第61-62页 |
| ·蚁群神经网络的调用 | 第62-64页 |
| ·诊断实例 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 发表文章目录 | 第74-75页 |
| 致谢 | 第75-76页 |
| 详细摘要 | 第76-83页 |
