| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-17页 |
| ·研究变压器油中溶解气体在线监测传感器阵列法的意义 | 第8-9页 |
| ·变压器油中溶解气体在线监测国内外研究现状 | 第9-11页 |
| ·传感器阵列法国内外研究现状 | 第11-16页 |
| ·传感器阵列 | 第11-12页 |
| ·数据预处理 | 第12-13页 |
| ·模式识别 | 第13-16页 |
| ·论文的主要研究内容 | 第16页 |
| ·小结 | 第16-17页 |
| 2 气体传感器阵列的组成及特性实验 | 第17-25页 |
| ·气体传感器阵列的组成 | 第17-19页 |
| ·气体传感器的主要技术指标 | 第19-20页 |
| ·气体传感器特性实验研究 | 第20-24页 |
| ·气体传感器的响应曲线 | 第20-22页 |
| ·重复性实验 | 第22-23页 |
| ·选择性实验 | 第23-24页 |
| ·小结 | 第24-25页 |
| 3 基于 BP 神经网络的传感器阵列信号模式识别方法 | 第25-45页 |
| ·BP 神经网络 | 第25-30页 |
| ·神经元模型 | 第25页 |
| ·BP 神经网络模型 | 第25页 |
| ·BP 神经网络学习算法 | 第25-29页 |
| ·BP 神经网络的改进 | 第29-30页 |
| ·主成分分析 | 第30-32页 |
| ·主成分分析的基本思想 | 第30页 |
| ·主成分分析的使用条件 | 第30-31页 |
| ·主成分分析的数学模型 | 第31-32页 |
| ·主成分数目的选取 | 第32页 |
| ·BP 神经网络在传感器阵列信号模式识别中的应用 | 第32-44页 |
| ·混合气体的配制 | 第32-33页 |
| ·学习样本的选择 | 第33-38页 |
| ·学习样本的主成分分析 | 第38-40页 |
| ·BP 神经网络的训练与识别 | 第40-44页 |
| ·小结 | 第44-45页 |
| 4 基于遗传神经网络的传感器阵列信号模式识别方法 | 第45-53页 |
| ·遗传算法 | 第45-48页 |
| ·遗传神经网络 | 第48-49页 |
| ·遗传神经网络在传感器阵列信号模式识别中的应用 | 第49-52页 |
| ·遗传神经网络参数设置 | 第49-50页 |
| ·遗传神经网络的训练与识别 | 第50-52页 |
| ·遗传算法存在的不足 | 第52页 |
| ·小结 | 第52-53页 |
| 5 基于免疫神经网络的传感器阵列信号模式识别方法 | 第53-61页 |
| ·免疫算法 | 第53-56页 |
| ·免疫算法的生物学机理 | 第53-54页 |
| ·免疫算法的基本原理 | 第54-56页 |
| ·免疫神经网络 | 第56-58页 |
| ·免疫神经网络在传感器阵列信号模式识别中的应用 | 第58-60页 |
| ·免疫神经网络的参数设置 | 第58页 |
| ·免疫神经网络的训练与识别 | 第58-60页 |
| ·小结 | 第60-61页 |
| 6 结论及展望 | 第61-63页 |
| ·结论 | 第61页 |
| ·展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67页 |
| A. 作者在攻读学位期间发表的论文目录 | 第67页 |
| B. 作者在攻读学位期间参加的科研项目 | 第67页 |