| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-18页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 目前国内外研究现状 | 第15-16页 |
| 1.3 论文主要内容 | 第16-18页 |
| 第2章 数据采集与监控系统 | 第18-23页 |
| 2.1 数据采集与监控系统综述 | 第18-20页 |
| 2.1.1 数据采集与传输 | 第19页 |
| 2.1.2 故障追忆 | 第19页 |
| 2.1.3 历史数据存储 | 第19-20页 |
| 2.2 数据采集与监控系统的应用与发展 | 第20-21页 |
| 2.2.1 数据采集与监控系统的应用 | 第20页 |
| 2.2.2 数据采集与监控系统的发展 | 第20-21页 |
| 2.3 SCADA系统在文中的应用 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 故障预测技术 | 第23-35页 |
| 3.1 故障预测技术介绍 | 第23-29页 |
| 3.1.1 故障预测技术的研究现状 | 第23-27页 |
| 3.1.2 故障预测技术的方法步骤 | 第27-29页 |
| 3.2 故障预测技术的应用及其发展趋势 | 第29-32页 |
| 3.2.1 故障预测技术的应用 | 第29-30页 |
| 3.2.2 故障预测技术的发展趋势 | 第30-32页 |
| 3.3 故障预测在文中的应用 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 神经网络设计 | 第35-47页 |
| 4.1 神经网络基本理论 | 第35-38页 |
| 4.1.1 神经网络基本概念 | 第35页 |
| 4.1.2 神经网络基本特征 | 第35-36页 |
| 4.1.3 神经网络的应用概况 | 第36-38页 |
| 4.2 神经网络模型概述 | 第38-41页 |
| 4.2.1 人工神经元模型 | 第38-39页 |
| 4.2.2 人工神经网络模型 | 第39-41页 |
| 4.3 神经网络学习方法与学习规则 | 第41-42页 |
| 4.3.1 神经网络学习方法 | 第41-42页 |
| 4.3.2 神经网络学习规则 | 第42页 |
| 4.4 神经网络在文中的应用 | 第42-46页 |
| 4.4.1 几种主要典型神经网络结构 | 第42-45页 |
| 4.4.2 几种主要典型神经网络结构的对比 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 基于BP神经网络的配网设备故障预测模型 | 第47-62页 |
| 5.1 配网设备故障预测问题描述 | 第47-56页 |
| 5.1.1 故障预测的前提条件 | 第48-49页 |
| 5.1.2 基于状态的故障预测模型 | 第49-56页 |
| 5.2 BP神经网络结构设计与Matlab实现 | 第56-60页 |
| 5.2.1 BP神经网络隐含层节点和传递函数的选择 | 第56页 |
| 5.2.2 BP神经网络训练样本的确定及分级 | 第56-58页 |
| 5.2.3 BP神经网络的建立及实现 | 第58-60页 |
| 5.3 本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |