电力变压器的智能故障诊断研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·电力变压器故障诊断的背景及重要意义 | 第10-11页 |
| ·国内外研究现状及主要存在问题 | 第11-14页 |
| ·主要研究内容 | 第14-15页 |
| ·论文的结构安排 | 第15-17页 |
| 第2章 基于遗传小波神经网络的变压器故障诊断研究 | 第17-43页 |
| ·变压器主要故障类型 | 第17-18页 |
| ·变压器在线监测 | 第18页 |
| ·油中溶解气体分析法 | 第18-22页 |
| ·油中溶解气体的产生 | 第19页 |
| ·变压器内析出气体的原因和特征 | 第19-20页 |
| ·变压器油中气体的产生机理 | 第20-22页 |
| ·特征气体法 | 第22-23页 |
| ·比值诊断法 | 第23-25页 |
| ·基于遗传小波神经网络的变压器故障诊断研究 | 第25-39页 |
| ·小波神经网络 | 第25-27页 |
| ·遗传算法 | 第27-31页 |
| ·基于遗传小波神经网络的变压器故障诊断 | 第31页 |
| ·函数型小波神经网络结构 | 第31-34页 |
| ·基于多值编码的遗传算法优化小波神经网络 | 第34-36页 |
| ·变压器故障诊断的实验仿真 | 第36-39页 |
| ·仿真实例 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 基于量子神经网络的变压器故障诊断研究 | 第43-54页 |
| ·量子神经计算 | 第43-44页 |
| ·量子神经网络 | 第44-46页 |
| ·量子神经网络的优势 | 第44-45页 |
| ·量子神经网络的结构 | 第45-46页 |
| ·量子神经网络用于电力变压器的故障诊断 | 第46-53页 |
| ·量子神经网络拓扑结构设计 | 第46-47页 |
| ·量子神经网络学习算法 | 第47-50页 |
| ·变压器故障诊断实验结果及比较 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 基于量子遗传算法的变压器故障诊断 | 第54-62页 |
| ·量子遗传算法 | 第54页 |
| ·基于量子遗传算法的变压器故障诊断 | 第54-61页 |
| ·量子比特编码 | 第54-55页 |
| ·量子旋转门调整策略 | 第55-56页 |
| ·量子交叉 | 第56-57页 |
| ·量子变异 | 第57页 |
| ·适应度函数的选取 | 第57-58页 |
| ·量子遗传算法流程 | 第58页 |
| ·基于量子遗传算法的变压器故障诊断仿真训练 | 第58-60页 |
| ·变压器故障诊断结果及比较 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 附录A (攻读硕士学位期间所发表的学术论文目录) | 第70页 |
