| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 振动法分析变压器运行状态 | 第9-11页 |
| 1.2.2 新异类检测技术及其应用 | 第11-12页 |
| 1.3 论文主要内容和章节安排 | 第12-13页 |
| 第2章 新异类检测理论 | 第13-21页 |
| 2.1 新异类检测技术 | 第13-15页 |
| 2.2 单类支持向量机 | 第15-18页 |
| 2.2.1 支持向量数据描述 | 第15-17页 |
| 2.2.2 v-支持向量分类器 | 第17-18页 |
| 2.3 模型评价指标 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 变压器表面振动信号分析及其特征向量提取 | 第21-28页 |
| 3.1 变压器表面振动信号频谱分析 | 第21-23页 |
| 3.1.1 同相不同侧 | 第21-22页 |
| 3.1.2 同侧不同相 | 第22-23页 |
| 3.2 基于小波包的变压器表面振动特征向量 | 第23-27页 |
| 3.2.1 小波包分析技术概述 | 第23-24页 |
| 3.2.2 变压器表面振动特征提取 | 第24-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第4章 基于支持向量数据描述的变压器振动异常检测 | 第28-35页 |
| 4.1 高斯核函数支持向量数据描述检测模型 | 第28-29页 |
| 4.2 参数设置与选择 | 第29-31页 |
| 4.3 标准数据集的实验结果与分析 | 第31-32页 |
| 4.4 变压器表面振动数据集的异常检测 | 第32-34页 |
| 4.4.1 同一时刻不同测点 | 第32-33页 |
| 4.4.2 不同年份同一测点 | 第33-34页 |
| 4.5 本章小结 | 第34-35页 |
| 第5章 基于支持向量数据描述增量学习的变压器振动异常检测 | 第35-43页 |
| 5.1 增量学习概述 | 第35-36页 |
| 5.2 基于快速凸包算法的支持向量数据描述增量学习算法 | 第36-38页 |
| 5.2.1 快速凸包算法的原理 | 第36-38页 |
| 5.2.2 Q-ISVDD的实现 | 第38页 |
| 5.3 标准数据集的实验仿真 | 第38-40页 |
| 5.3.1 Banana数据集实验 | 第38-39页 |
| 5.3.2 Pima数据集实验 | 第39-40页 |
| 5.4 变压器表面振动信号的异常检测 | 第40-42页 |
| 5.5 本章小结 | 第42-43页 |
| 第6章 总结与展望 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第48-49页 |
| 致谢 | 第49页 |