| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-9页 |
| ·课题研究的目的和意义 | 第7-8页 |
| ·CVT 谐波测量遇到的问题 | 第8页 |
| ·本文的主要工作 | 第8-9页 |
| 第二章 互感器发展状况及 CVT 介绍 | 第9-15页 |
| ·互感器的研究发展状况 | 第9-10页 |
| ·国内互感器的研究发展状况 | 第9-10页 |
| ·国外互感器的研究发展状况 | 第10页 |
| ·CVT 的历史及发展现状 | 第10-12页 |
| ·CVT 的组成及类型简介 | 第12-15页 |
| 第三章 CVT 谐波测量特性分析 | 第15-27页 |
| ·CVT 参数模型 | 第15-16页 |
| ·CVT 的幅频、相频特性 | 第16-17页 |
| ·CVT 输出对于各参数的灵敏度 | 第17-18页 |
| ·影响 CVT 测量准确度的因素 | 第18-20页 |
| ·CVT 测量误差分析 | 第18-20页 |
| ·提高CVT 测量准确度的措施 | 第20页 |
| ·杂散电容等对 CVT 谐波测量的影响 | 第20-27页 |
| ·考虑高频状态下的杂散电容时的 CVT 等效模型 | 第21页 |
| ·谐振型阻尼器 CVT 的频率特性 | 第21-24页 |
| ·速饱和电抗型阻尼器的 CVT 的频率特性 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第四章 人工神经网络模型及学习算法分析 | 第27-40页 |
| ·概述 | 第27-29页 |
| ·人工智能的提出及发展 | 第27-28页 |
| ·人工神经网络的发展 | 第28-29页 |
| ·神经元数理模型 | 第29-33页 |
| ·大脑神经的生物模型 | 第29-30页 |
| ·神经元模型 | 第30-33页 |
| ·人工神经网络模型 | 第33-34页 |
| ·神经网络学习算法 | 第34-39页 |
| ·感知器学习算法（Perception Algorithm） | 第35-36页 |
| ·反向传播算法(BP) | 第36-39页 |
| ·小结 | 第39-40页 |
| 第五章 基于人工神经网络的 CVT 传递函数校正 | 第40-46页 |
| ·数据来源 | 第40-43页 |
| ·测试方法 | 第40页 |
| ·CT 末屏谐波测量电压信号放大器 | 第40-42页 |
| ·数据整理 | 第42-43页 |
| ·网络设计 | 第43页 |
| ·网络训练和学习 | 第43-44页 |
| ·网络验证 | 第44页 |
| ·小结 | 第44-46页 |
| 第六章 结论与展望 | 第46-48页 |
| ·全文总结 | 第46页 |
| ·对未来工作的展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 在学期间发表的学术论文和参加科研情况 | 第52页 |