基于贝叶斯网络与蚁群算法的输电线路巡检计划制定与路径规划研究
中文摘要 | 第1-4页 |
英文摘要 | 第4-9页 |
1 绪论 | 第9-12页 |
·引言 | 第9页 |
·课题研究的背景和意义 | 第9-10页 |
·课题研究的主要内容 | 第10-11页 |
·论文主要研究工作 | 第10页 |
·论文结构 | 第10-11页 |
·小结 | 第11-12页 |
2 输电线路巡检基本情况分析 | 第12-17页 |
·输电线路故障影响因素分析 | 第12-13页 |
·输电线路巡检机制分析 | 第13-15页 |
·输电线路巡检的要求 | 第13页 |
·输电线路巡检的检查内容 | 第13-14页 |
·输电线路巡检的巡检机制 | 第14-15页 |
·输电线路巡检机制的特点以及缺陷 | 第15页 |
·小结 | 第15-17页 |
3 输电线路巡检辅助决策系统的方案研究 | 第17-35页 |
·输电线路巡检系统的系统目标 | 第17页 |
·巡检系统总体方案设计 | 第17-19页 |
·巡检系统总体结构 | 第17-18页 |
·巡检系统的总体流程分析 | 第18-19页 |
·巡检系统软件功能模块设计 | 第19-25页 |
·B/S模式的选择 | 第19-21页 |
·软件系统功能结构图 | 第21-23页 |
·系统主要功能流程分析 | 第23-25页 |
·输电线路巡检辅助决策功能的实现路线 | 第25-28页 |
·输电线路巡检计划制定系统的实现路线 | 第25-27页 |
·输电线路巡检路径规划系统的实现路线 | 第27页 |
·输电线路巡检计划制定与路径规划系统的总体流程 | 第27-28页 |
·输电线路杆塔运行风险分类算法的介绍 | 第28-34页 |
·朴素贝叶斯网络 | 第29-31页 |
·TAN 贝叶斯网络 | 第31-32页 |
·基于k2算法的TAN贝叶斯网络结构学习 | 第32-34页 |
·小结 | 第34-35页 |
4 输电线路杆塔运行风险分类 | 第35-49页 |
·输电线路杆塔运行风险模型的数据预处理 | 第35-39页 |
·构建原始样本数据集 | 第35-38页 |
·缺失项处理 | 第38页 |
·数据离散化 | 第38-39页 |
·基于朴素贝叶斯网络的输电线路杆塔分类 | 第39-43页 |
·数据处理 | 第39-41页 |
·模型构建过程 | 第41-43页 |
·基于TAN 贝叶斯网络的输电线路杆塔分类 | 第43-47页 |
·数据描述与处理 | 第43页 |
·模型构建过程 | 第43-47页 |
·模型评估 | 第47-48页 |
·分类模型性能评价标准 | 第47页 |
·结论分析 | 第47-48页 |
·贝叶斯网络算法的实现 | 第48页 |
·小结 | 第48-49页 |
5 基于蚁群算法的巡检路径规划 | 第49-61页 |
·输电线路临时巡检的特点 | 第49-50页 |
·输电线路巡检路径规划建模 | 第50-51页 |
·蚁群算法的基本原理与特征 | 第51-54页 |
·基于图搜索的蚁群算法 | 第52-53页 |
·自适应蚁群算法 | 第53-54页 |
·基于自适应蚁群算法的输电线路巡检路径规划 | 第54-60页 |
·巡检路径规划性能指标的确定 | 第54-55页 |
·巡检路径规划的自适应蚁群算法实现 | 第55-57页 |
·巡检路径规划仿真结果 | 第57-60页 |
·小结 | 第60-61页 |
6 结论与展望 | 第61-63页 |
·本文的研究成果 | 第61-62页 |
·本文的不足与展望 | 第62-63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取得的科研成果目录 | 第67页 |