| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究的背景及意义 | 第8-11页 |
| 1.1.1 故障电弧的起因和危害 | 第8-10页 |
| 1.1.2 故障电弧诊断研究意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-14页 |
| 1.3 课题研究的主要内容和目的 | 第14-16页 |
| 第二章 电弧辐射的电磁信号分析 | 第16-22页 |
| 2.1 电弧产生的机理分析 | 第16-17页 |
| 2.2 电弧产生电磁辐射的机理分析 | 第17-19页 |
| 2.3 电弧电磁辐射的理论计算 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 故障电弧实验平台与实验数据采集 | 第22-32页 |
| 3.1 串联故障电弧实验平台 | 第22-23页 |
| 3.2 实验数据采集 | 第23-24页 |
| 3.3 故障电弧信号波形分析 | 第24-30页 |
| 3.4 本章小结 | 第30-32页 |
| 第四章 电弧故障信号特征分析 | 第32-46页 |
| 4.1 利用DFT对电流信号进行频域特征分析 | 第32-37页 |
| 4.2 利用波形相似法提取电流信号时域特征 | 第37-39页 |
| 4.3 利用模极大值法提取电磁信号的特征 | 第39-40页 |
| 4.4 基于模糊C-均值聚类的电磁信号特征分析 | 第40-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 多信息融合技术在电弧故障检测中的应用 | 第46-68页 |
| 5.1 多信息融合技术简介 | 第46-50页 |
| 5.1.1 多信息融合的层次 | 第46-48页 |
| 5.1.2 多源信息融合的优势 | 第48-49页 |
| 5.1.3 多源信息融合方法 | 第49-50页 |
| 5.2 BP神经网络的应用和发展 | 第50-59页 |
| 5.2.1 神经网络的发展 | 第50-51页 |
| 5.2.2 BP神经网络的应用现状 | 第51-52页 |
| 5.2.3 BP神经网络的基本原理 | 第52-55页 |
| 5.2.4 BP神经网络学习算法的原理和训练方法 | 第55-59页 |
| 5.3 D-S证据理论概述 | 第59-61页 |
| 5.3.1 D-S证据理论的优点 | 第60页 |
| 5.3.2 D-S证据理论的应用 | 第60页 |
| 5.3.3 D-S证据理论与其他理论的结合 | 第60-61页 |
| 5.4 基于BP神经网络和D-S证据理论的多源信息融合诊断 | 第61-66页 |
| 5.4.1 利用BP神经网络进行单特征的故障识别 | 第62-65页 |
| 5.4.2 基于D-S证据理论的决策级故障识别 | 第65-66页 |
| 5.5 本章小结 | 第66-68页 |
| 第六章 结论与展望 | 第68-70页 |
| 6.1 结论 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读学位期间所取得的相关科研成果 | 第74-76页 |
| 致谢 | 第76页 |