| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文主要研究工作 | 第13-14页 |
| ·论文的结构 | 第14-15页 |
| 第二章 GIS 局部放电的理论基础及相关技术 | 第15-23页 |
| ·GIS 概述 | 第15页 |
| ·GIS 局部放电简介 | 第15-19页 |
| ·GIS 局部放电原因 | 第15-16页 |
| ·GIS 局部放电的检测方法 | 第16-17页 |
| ·GIS 局部放电典型故障图谱 | 第17-19页 |
| ·GIS 局部放电模式识别 | 第19-22页 |
| ·GIS 局部放电信号的分析模式 | 第19-20页 |
| ·GIS 局部放电特征参数提取 | 第20-21页 |
| ·模式分类器的设计 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 遗传算法概述及其控制参数的改进 | 第23-43页 |
| ·遗传算法简介 | 第23-25页 |
| ·遗传算法基本原理 | 第23页 |
| ·遗传算法的特点 | 第23-24页 |
| ·遗传算法的实现 | 第24-25页 |
| ·遗传算法控制参数的研究 | 第25-26页 |
| ·GA 控制参数的改进及在 GIS 局部放电窄带干扰抑制上的应用 | 第26-42页 |
| ·最优交叉概率和变异概率的研究 | 第26-35页 |
| ·两因素方差分析的数学模型 | 第26-31页 |
| ·研究最优参数的方法 | 第31-34页 |
| ·实验结果分析 | 第34-35页 |
| ·基于改进遗传算法的 GIS 局部放电窄带干扰抑制 | 第35-42页 |
| ·基于傅里叶级数的窄带干扰抑制 | 第36-37页 |
| ·改进算法的实现及性能分析 | 第37-39页 |
| ·仿真实验及分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于 GSA-BP 算法的 GIS 局部放电信号识别研究 | 第43-56页 |
| ·BP 神经网络模型 | 第43-46页 |
| ·BP 神经网络概述 | 第43页 |
| ·BP 神经网络的数学模型 | 第43-46页 |
| ·BP 神经网络的实现步骤 | 第46页 |
| ·模拟退火算法 | 第46-49页 |
| ·模拟退火算法基本原理 | 第46-47页 |
| ·模拟退火算法的数学模型 | 第47-48页 |
| ·模拟退火算法实现 | 第48-49页 |
| ·GSA-BP 神经网络模型的实现 | 第49-51页 |
| ·GIS 典型缺陷的局部放电模式识别 | 第51-55页 |
| ·GIS 局部放电信号的预处理及特征参数提取 | 第52-53页 |
| ·GIS 局部放电信号的预处理 | 第52页 |
| ·GIS 局部放电典型缺陷的特征提取 | 第52-53页 |
| ·基于 GSA-BP 算法的 GIS 典型缺陷局部放电识别 | 第53-55页 |
| ·数据来源 | 第54页 |
| ·GSA-BP 神经网络的参数设置 | 第54-55页 |
| ·实验结果对比分析 | 第55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附录 | 第64页 |
