| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 故障诊断系统的发展概述 | 第10-11页 |
| 1.3 高压断路器故障诊断系统的研究现状分析 | 第11-15页 |
| 1.4 本文的主要研究内容与架构 | 第15-17页 |
| 第2章 高压断路器的主要故障特征的探究 | 第17-25页 |
| 2.1 高压断路器的结构及工作原理 | 第17-18页 |
| 2.2 高压断路器常见故障类型与特征 | 第18-24页 |
| 2.2.1 高压断路器常见故障类型 | 第18-19页 |
| 2.2.2 高压断路器重要的特征信息分类与提取 | 第19-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 高压断路器实时监测安全运行预警系统的设计 | 第25-41页 |
| 3.1 系统硬件的设计 | 第25-37页 |
| 3.1.1 硬件整体设计方案 | 第25-27页 |
| 3.1.2 信号采集模块 | 第27-30页 |
| 3.1.3 核心数据处理模块 | 第30-33页 |
| 3.1.4 数据显示与控制模块 | 第33-34页 |
| 3.1.5 供电模块 | 第34-35页 |
| 3.1.6 模块间的组合及通信 | 第35页 |
| 3.1.7 GPRS通讯模块 | 第35-37页 |
| 3.2 系统软件流程及报文设计 | 第37-39页 |
| 3.3 装置测试与实验 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于RBM与BP神经网络的高压断路器故障诊断算法 | 第41-53页 |
| 4.1 BP神经网络简介 | 第41-45页 |
| 4.1.1 BP神经网络的基本原理 | 第41页 |
| 4.1.2 BP神经网络的算法思想 | 第41-43页 |
| 4.1.3 BP神经网络的算法流程 | 第43-44页 |
| 4.1.4 BP神经网络的局限性 | 第44-45页 |
| 4.2 RBM神经网络的简介 | 第45-48页 |
| 4.2.1 RBM的基本原理 | 第45页 |
| 4.2.2 RBM网络算法思想 | 第45-48页 |
| 4.2.3 RBM神经网络的应用 | 第48页 |
| 4.3 基于RBM与BP神经网络的断路器故障诊断方法 | 第48-52页 |
| 4.3.1 基于RBM与BP神经网络故障诊断原理 | 第48-49页 |
| 4.3.2 基于RBM与BP神经网络故障诊断的高压断路器故障诊断方法 | 第49页 |
| 4.3.3 故障诊断实例 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 工作展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 攻读硕士学位期间取得的研究成果 | 第59页 |
