| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究的背景和意义 | 第10页 |
| 1.2 船舶电力系统 | 第10-12页 |
| 1.2.1 船舶电力系统的形成 | 第10-11页 |
| 1.2.2 船舶电力系统结构 | 第11-12页 |
| 1.3 船舶电力系统故障诊断概述 | 第12-13页 |
| 1.4 国内外研究现状 | 第13-17页 |
| 1.4.1 基于专家系统的故障诊断方法 | 第13-14页 |
| 1.4.2 基于模糊理论的故障诊断方法 | 第14-15页 |
| 1.4.3 基于人工神经网络的故障诊断方法 | 第15页 |
| 1.4.4 基于Petri网络的故障诊断方法 | 第15-16页 |
| 1.4.5 基于贝叶斯网络的故障诊断方法 | 第16-17页 |
| 1.5 本文所做的主要工作 | 第17-19页 |
| 1.5.1 本文所研究的内容 | 第17页 |
| 1.5.2 论文整体结构 | 第17-19页 |
| 第2章 人工蜂群算法 | 第19-32页 |
| 2.1 引言 | 第19页 |
| 2.2 基本人工蜂群算法 | 第19-24页 |
| 2.2.1 人工蜂群算法的概念 | 第19-20页 |
| 2.2.2 人工蜂群算法的原理 | 第20-22页 |
| 2.2.3 人工蜂群算法的实现步骤 | 第22-24页 |
| 2.2.4 人工蜂群算法的优点分析 | 第24页 |
| 2.3 人工蜂群算法在谐波估计的应用 | 第24-30页 |
| 2.3.1 电力系统谐波问题 | 第24-25页 |
| 2.3.2 基于人工蜂群算法的谐波估计 | 第25-30页 |
| 2.4 基本人工蜂群算法的不足 | 第30-31页 |
| 2.5 本章总结 | 第31-32页 |
| 第3章 改进的人工蜂群算法 | 第32-43页 |
| 3.1 基于交叉运算的全局人工蜂群算法 | 第32-34页 |
| 3.2 差分进化-蜂群混合优化算法 | 第34-37页 |
| 3.2.1 差分进化算法 | 第34-35页 |
| 3.2.2 差分进化算法主要优缺点分析 | 第35页 |
| 3.2.3 差分进化-蜂群混合优化算法 | 第35-37页 |
| 3.3 不同人工蜂群算法性能测试 | 第37-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于人工蜂群优化机理的船舶电力系统故障诊断方法 | 第43-56页 |
| 4.1 引言 | 第43页 |
| 4.2 船舶电力系统故障诊断的对象 | 第43-45页 |
| 4.3 船舶电力系统故障建模 | 第45-48页 |
| 4.3.1 船舶电力系统的故障类型分析 | 第45页 |
| 4.3.2 船舶电力系统的故障类型的编码 | 第45-48页 |
| 4.3.3 继电器动作期望值计算原理 | 第48页 |
| 4.3.4 断路器动作的期望值计算原理 | 第48页 |
| 4.4 船舶电力系统故障诊断模型的建立 | 第48-50页 |
| 4.5 算例分析 | 第50-55页 |
| 4.5.1 基于基本人工蜂群进化算法的船舶电力系统故障诊断 | 第51-52页 |
| 4.5.2 基于全局交叉人工蜂群进化算法的船舶电力系统故障诊断 | 第52-53页 |
| 4.5.3 基于差分进化-人工蜂群混合算法的船舶电力系统故障诊断 | 第53页 |
| 4.5.4 仿真实验结果分析 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 | 第62-73页 |
