基于模糊ART神经网络的变压器局部放电模式识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·引言 | 第10-11页 |
| ·变压器局部放电模式识别研究的意义 | 第11-12页 |
| ·局部放电的产生及特点 | 第11-12页 |
| ·局部放电模式识别研究的意义 | 第12页 |
| ·国内外研究现状 | 第12-16页 |
| ·变压器局部放电基本量的监测 | 第12-13页 |
| ·局部放电信号的噪声抑制 | 第13-14页 |
| ·变压器局部放电特征量的提取 | 第14-15页 |
| ·局部放电的模式分类器 | 第15-16页 |
| ·存在的问题 | 第16-17页 |
| ·本文研究的主要内容 | 第17-18页 |
| 2 模式识别系统 | 第18-28页 |
| ·模式识别的基本概念 | 第18-19页 |
| ·模式识别的定义 | 第18页 |
| ·模式识别系统 | 第18-19页 |
| ·模式识别主要研究问题 | 第19页 |
| ·分类器设计 | 第19-26页 |
| ·特征空间的设计 | 第20-21页 |
| ·分类器设计准则 | 第21页 |
| ·分类器设计基本方法 | 第21-23页 |
| ·判别函数 | 第23-25页 |
| ·参数的确定 | 第25页 |
| ·训练与学习 | 第25-26页 |
| ·模式识别的基本要求及其困难 | 第26页 |
| ·模式识别的传统方法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 局部放电特征量的提取 | 第28-44页 |
| ·局部放电信号 | 第28-31页 |
| ·局部放电信号的干扰来源 | 第28-29页 |
| ·去除干扰信号的措施 | 第29-31页 |
| ·常用的局部放电特征 | 第31-37页 |
| ·三维列表数据特征 | 第31-32页 |
| ·局部放电统计特征 | 第32-33页 |
| ·局部放电图像灰度矩特征 | 第33-34页 |
| ·局部放电时频特征 | 第34-37页 |
| ·特征的可分性测量 | 第37-42页 |
| ·特征标量可分性测量 | 第37-40页 |
| ·特征向量可分性测量 | 第40-42页 |
| ·特征向量提取 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 4 模糊 ART 神经网络的研究 | 第44-57页 |
| ·神经网络的研究 | 第44-47页 |
| ·神经网络模型的特点 | 第44-45页 |
| ·神经网络的基本功能 | 第45-47页 |
| ·ART 自适应谐振理论 | 第47-52页 |
| ·ART1 型网络结构 | 第47-49页 |
| ·ART1 型网络工作原理 | 第49-52页 |
| ·模糊理论 | 第52-53页 |
| ·模糊理论简介 | 第52-53页 |
| ·模糊集合和隶属函数 | 第53页 |
| ·模糊集合的基本运算 | 第53页 |
| ·模糊 ART 神经网络 | 第53-56页 |
| ·模糊 ART 神经网络的结构 | 第54页 |
| ·模糊 ART 神经网络的训练规则 | 第54-55页 |
| ·模糊 ART 神经网络的识别过程 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 5 局部放电的模式识别研究 | 第57-68页 |
| ·典型局部放电模型的实验分析 | 第57-64页 |
| ·放电模型 | 第57-58页 |
| ·实验方法和过程 | 第58-59页 |
| ·放电模型的二、三维图谱 | 第59-64页 |
| ·局部放电的人工神经网络识别 | 第64-67页 |
| ·神经网络的设置 | 第64-65页 |
| ·识别结果 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第72-73页 |
| 致谢 | 第73-74页 |
