变压器的贝叶斯网络故障诊断融合方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景与意义 | 第9页 |
| 1.2 智能故障诊断的研究现状 | 第9-11页 |
| 1.3 基于数据融合的故障诊断 | 第11-12页 |
| 1.4 本文主要工作 | 第12-14页 |
| 第2章 油中溶解气体故障诊断法和证据理论 | 第14-22页 |
| 2.1 基于变压器油中溶解气体的故障诊断方法 | 第14-17页 |
| 2.1.1 油中溶解气体分析 | 第14页 |
| 2.1.2 传统变压器故障诊断方法 | 第14-17页 |
| 2.2 证据理论 | 第17-20页 |
| 2.2.1 D-S证据理论简介 | 第17-18页 |
| 2.2.2 识别框架与基本信任分配函数 | 第18-19页 |
| 2.2.3 信任函数、众信度函数与似然函数 | 第19页 |
| 2.2.4 Dempster合成规则 | 第19-20页 |
| 2.3 属性值、故障类型和识别框架的确定 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于改进贝叶斯分类器的BPA构造方法 | 第22-34页 |
| 3.1 贝叶斯网络 | 第22-23页 |
| 3.2 贝叶斯分类器 | 第23-26页 |
| 3.3 基于改进贝叶斯分类器的BPA构造方法 | 第26-30页 |
| 3.3.1 数据预处理 | 第27-28页 |
| 3.3.2 基于NB分类器的BPA构造方法 | 第28-29页 |
| 3.3.3 基于改进NB分类器的BPA构造方法 | 第29-30页 |
| 3.4 实例分析和验证 | 第30-33页 |
| 3.4.1 对测试数据进行验算 | 第30-32页 |
| 3.4.2 实例分析 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于白化权函数的BPA构造方法 | 第34-44页 |
| 4.1 灰色系统理论 | 第34页 |
| 4.2 灰数白化与灰度 | 第34-37页 |
| 4.2.1 灰数 | 第34-35页 |
| 4.2.2 白化权函数 | 第35-37页 |
| 4.2.3 灰色聚类评估模型 | 第37页 |
| 4.3 基于白化权函数的BPA构造方法 | 第37-41页 |
| 4.3.1 白化权函数的数据预处理 | 第37-38页 |
| 4.3.2 区间的划分设计 | 第38页 |
| 4.3.3 计算白化权函数 | 第38-40页 |
| 4.3.4 基本信任分配函数的计算 | 第40-41页 |
| 4.4 实例分析 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于证据理论的变压器故障诊断 | 第44-50页 |
| 5.1 诊断模型 | 第44-45页 |
| 5.2 基于证据理论的变压器故障诊断 | 第45-47页 |
| 5.2.1 属性值和识别框架的确定 | 第45页 |
| 5.2.2 基本可信度分配 | 第45-46页 |
| 5.2.3 证据合成 | 第46-47页 |
| 5.3 实例分析和验证 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文 | 第54-55页 |
| 致谢 | 第55页 |
