| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 直流电弧故障检测的研究背景和意义 | 第10-11页 |
| 1.2 电弧的概念和分类 | 第11-12页 |
| 1.3 直流电弧故障检测技术的研究现状 | 第12-13页 |
| 1.3.1 国外直流电弧故障检测技术研究现状 | 第12页 |
| 1.3.2 国内直流电弧故障检测技术研究现状 | 第12-13页 |
| 1.4 论文主要内容及组织结构 | 第13-15页 |
| 第二章 直流电弧故障数据的采集 | 第15-19页 |
| 2.1 直流电弧故障数据采集实验装置的搭建 | 第15-17页 |
| 2.1.1 实验装置 | 第15页 |
| 2.1.2 电弧发生器 | 第15-16页 |
| 2.1.3 数据采集装置 | 第16-17页 |
| 2.2 直流电弧故障数据的采集 | 第17页 |
| 2.3 小结 | 第17-19页 |
| 第三章 直流电弧故障特征量分析 | 第19-38页 |
| 3.1 时域特征分析 | 第19-21页 |
| 3.2 频域特征分析 | 第21-23页 |
| 3.2.1 傅里叶变换 | 第21页 |
| 3.2.2 频域特征分析 | 第21-23页 |
| 3.3 基于希尔伯特-黄变换的时频域特征分析 | 第23-30页 |
| 3.3.1 傅里叶变换在非平稳信号分析中的局限性 | 第23-24页 |
| 3.3.2 希尔伯特-黄变换 | 第24-25页 |
| 3.3.3 希尔伯特-黄变换的特征提取方法 | 第25-28页 |
| 3.3.4 基于希尔伯特-黄变换的分形维数特征提取及分析 | 第28-30页 |
| 3.4 混沌特征分析 | 第30-36页 |
| 3.4.1 混沌理论 | 第30-31页 |
| 3.4.2 最大Lyapunov指数意义 | 第31-33页 |
| 3.4.3 最大Lyapunov指数特征提取及分析 | 第33-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 基于SVM的直流电弧故障检测方法 | 第38-47页 |
| 4.1 机器学习概述 | 第38-39页 |
| 4.2 支持向量机SVM原理 | 第39-40页 |
| 4.3 基于SVM分类器的直流电弧故障检测方法流程 | 第40-41页 |
| 4.4 SVM训练样本集和测试集的构建 | 第41-42页 |
| 4.5 SVM核函数的选取 | 第42页 |
| 4.6 SVM的训练和参数优化 | 第42-46页 |
| 4.6.1 遗传算法GA | 第43-44页 |
| 4.6.2 K折交叉验证 | 第44页 |
| 4.6.3 SVM的训练和参数优化 | 第44-46页 |
| 4.7 本章小结 | 第46-47页 |
| 第五章 实验测试结果及分析 | 第47-50页 |
| 5.1 分类性能测试 | 第47-48页 |
| 5.2 特征量贡献率的测试与分析 | 第48-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 论文总结 | 第50-51页 |
| 6.2 未来展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56页 |
