| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第9-14页 |
| 1．1 本课题研究的意义 | 第9-10页 |
| 1．2 变压器故障诊断的发展与研究状况 | 第10-12页 |
| 1．2．1 信息采集 | 第10-11页 |
| 1．2．2 信息处理 | 第11-12页 |
| 1．2．3 存在的问题 | 第12页 |
| 1．3 本论文的主要工作 | 第12-14页 |
| 第2章 变压器故障原因、种类及诊断方法 | 第14-29页 |
| 2．1 变压器故障的原因 | 第14页 |
| 2．2 变压器故障的种类 | 第14-16页 |
| 2．3 变压器故障的诊断方法 | 第16-21页 |
| 2．3．1 常规试验 | 第16-17页 |
| 2．3．2 不定期检测 | 第17页 |
| 2．3．3 常见的电力变压器试验项目 | 第17-21页 |
| 2．4 油中溶解气体分析 | 第21-26页 |
| 2．4．1 油中溶解气体分析原理 | 第21-23页 |
| 2．4．2 特征气体判断法 | 第23页 |
| 2．4．3 组分比值编码判断法 | 第23-26页 |
| 2．5 故障判断的步骤 | 第26-28页 |
| 2．6 本章小结 | 第28-29页 |
| 第3章 小波网的模型及学习算法 | 第29-54页 |
| 3．1 小波变换 | 第29-36页 |
| 3．1．1 小波变换的发展 | 第29-30页 |
| 3．1．2 小波变换 | 第30-36页 |
| 3．1．2．1 一维连续小波变换 | 第30-31页 |
| 3．1．2．2 多维连续小波变换 | 第31-32页 |
| 3．1．2．3 离散小波变换 | 第32页 |
| 3．1．2．4 各类常用小波函数汇总研究 | 第32-36页 |
| 3．2 神经网络 | 第36-44页 |
| 3．2．1 神经网络的发展 | 第36-37页 |
| 3．2．2 神经网络 | 第37-44页 |
| 3．2．2．1 感知器模型及Hebb学习规则 | 第39-40页 |
| 3．2．2．2 多层前馈神经网络 | 第40-44页 |
| 3．3 小波神经网络 | 第44-48页 |
| 3．3．1 小波神经网络的发展 | 第44-45页 |
| 3．3．2 小波神经网络 | 第45-46页 |
| 3．3．3 基于BP算法的小波神经网络 | 第46-48页 |
| 3．4 遗传算法 | 第48-53页 |
| 3．4．1 遗传算法的发展 | 第48-50页 |
| 3．4．2 遗传算法的原理 | 第50-53页 |
| 3．4．2．1 遗传算法的构成要素 | 第50-53页 |
| 3．4．2．2 遗传算法的执行步骤 | 第53页 |
| 3．5 本章小结 | 第53-54页 |
| 第4章 小波神经网络与变压器故障诊断 | 第54-65页 |
| 4．1 故障诊断的原始数据样本 | 第54-55页 |
| 4．2 基于BP算法的小波神经网络对变压器的故障诊断 | 第55-59页 |
| 4．3 基于GA算法的小波神经网络对变压器的故障诊断 | 第59-64页 |
| 4．3．1 用改进的GA算法训练小波神经网络 | 第59-61页 |
| 4．3．2 故障诊断结果 | 第61-64页 |
| 4．4 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 附录A(攻读学位期间所发表的学术论文目录) | 第72页 |