拆回电能表智能管理装置研究设计与实现
| 摘要 | 第10-12页 |
| Abstract | 第12-13页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 课题背景及存在的问题 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.2.1 国内研究现状 | 第15-16页 |
| 1.2.2 国外研究现状 | 第16页 |
| 1.3 本文的主要工作 | 第16-19页 |
| 第二章 图像处理与识别、神经网络技术 | 第19-33页 |
| 2.1 图像处理与识别技术 | 第19-21页 |
| 2.1.1 图像的预处理方法 | 第19-20页 |
| 2.1.2 图像的分割处理 | 第20页 |
| 2.1.3 图像边缘检测 | 第20页 |
| 2.1.4 目标提取 | 第20-21页 |
| 2.2 神经网络 | 第21-26页 |
| 2.3 BP神经网络 | 第26-31页 |
| 2.3.1 BP网络结构 | 第27-28页 |
| 2.3.2 BP网络学习算法 | 第28-30页 |
| 2.3.3 BP神经网络优劣势分析 | 第30-31页 |
| 2.4 故障智能诊断模型 | 第31-33页 |
| 第三章 拆回电能表智能管理装置总体设计 | 第33-42页 |
| 3.1 引言 | 第33页 |
| 3.2 设计原则及标准 | 第33-35页 |
| 3.2.1 设计原则 | 第33-34页 |
| 3.2.2 设计标准 | 第34-35页 |
| 3.3 功能需求及总体方案 | 第35-37页 |
| 3.3.1 功能需求 | 第35-36页 |
| 3.3.2 总体方案 | 第36-37页 |
| 3.4 工作流程及原理设计 | 第37-40页 |
| 3.4.1 工作流程设计 | 第37页 |
| 3.4.2 系统概要设计 | 第37-40页 |
| 3.5 本章小节 | 第40-42页 |
| 第四章 电能表表码图像识别与复核系统的研究 | 第42-50页 |
| 4.1 引言 | 第42页 |
| 4.2 基于灰度分割多值化的图像提取及判别方法 | 第42-45页 |
| 4.2.1 拆回电能表边缘定位方法 | 第42-43页 |
| 4.2.2 区域定位及灰度归一化 | 第43页 |
| 4.2.3 单个字符的分割大小归一化 | 第43-44页 |
| 4.2.4 灰度多值化特征提取 | 第44页 |
| 4.2.5 字符识别 | 第44页 |
| 4.2.6 仿真结果与分析 | 第44-45页 |
| 4.3 基于数据自动核查的电能表表码复核方法 | 第45-48页 |
| 4.3.1 核查处理流程 | 第46页 |
| 4.3.2 核查规则 | 第46-47页 |
| 4.3.3 缺失数据处理 | 第47-48页 |
| 4.3.4 仿真结果及分析 | 第48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 拆回电能表故障诊断及定性归类研究 | 第50-78页 |
| 5.1 引言 | 第50页 |
| 5.2 拆回电能表采集数据预处理 | 第50-60页 |
| 5.2.1 数据采集 | 第51-53页 |
| 5.2.2 数据筛选 | 第53-59页 |
| 5.2.3 特征归一化处理 | 第59-60页 |
| 5.3 拆回电能表故障诊断及定性归类设计 | 第60-67页 |
| 5.4 故障诊断实验分析 | 第67-76页 |
| 5.5 本章小节 | 第76-78页 |
| 第六章 总结与展望 | 第78-84页 |
| 6.1 本文工作总结 | 第78页 |
| 6.2 研究效果 | 第78-79页 |
| 6.3 效果展示 | 第79-83页 |
| 6.4 研究展望 | 第83-84页 |
| 附录 | 第84-94页 |
| 参考文献 | 第94-98页 |
| 致谢 | 第98-99页 |
| 攻读硕士期间的成果 | 第99-100页 |
| 学位论文评阅及答辩情况表 | 第100页 |
