电力系统故障诊断方法研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究目的和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 专家系统 | 第13-14页 |
| 1.2.2 人工神经网络 | 第14-15页 |
| 1.2.3 模糊理论 | 第15-16页 |
| 1.2.4 Petri网络 | 第16-17页 |
| 1.2.5 粗糙集理论 | 第17页 |
| 1.2.6 多agent技术 | 第17-18页 |
| 1.3 评价算法优劣的标准 | 第18-20页 |
| 1.4 本文的主要工作 | 第20-22页 |
| 第二章 基于遗传算法的电力系统故障诊断 | 第22-32页 |
| 2.1 概述 | 第22-24页 |
| 2.2 编码问题和种群初始化 | 第24-25页 |
| 2.2.1 编码 | 第24-25页 |
| 2.2.2 种群初始化 | 第25页 |
| 2.3 适应度函数 | 第25-26页 |
| 2.4 遗传操作 | 第26-28页 |
| 2.4.1 选择操作 | 第26-27页 |
| 2.4.2 交叉操作 | 第27页 |
| 2.4.3 变异操作 | 第27-28页 |
| 2.5 收敛判据 | 第28页 |
| 2.6 算例仿真 | 第28-31页 |
| 2.6.1 算例系统 | 第28-29页 |
| 2.6.2 算例1 | 第29-30页 |
| 2.6.3 算例2 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 不确定性推理方法简介 | 第32-46页 |
| 3.1 概述 | 第32-33页 |
| 3.2 贝叶斯网络 | 第33-39页 |
| 3.2.1 贝叶斯网络简介 | 第33-34页 |
| 3.2.2 贝叶斯网络建模 | 第34页 |
| 3.2.3 贝叶斯网络的推理模式 | 第34-35页 |
| 3.2.4 贝叶斯网络特性 | 第35-36页 |
| 3.2.5 贝叶斯网络的存储结构 | 第36-39页 |
| 3.3 主观贝叶斯方法 | 第39-44页 |
| 3.3.1 主观贝叶斯方法的基本概念 | 第39-41页 |
| 3.3.2 主观贝叶斯方法的推理计算 | 第41-43页 |
| 3.3.3 主观贝叶斯方法的特点 | 第43-44页 |
| 3.4 主观贝叶斯方法与贝叶斯网络的结合 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于不确定性推理方法的电力系统故障诊断 | 第46-56页 |
| 4.1 概述 | 第46页 |
| 4.2 故障诊断模型 | 第46-47页 |
| 4.3 主观贝叶斯方法的应用 | 第47-49页 |
| 4.3.1 参数设置 | 第47-49页 |
| 4.3.2 简化计算 | 第49页 |
| 4.4 不完备和畸变信息的处理 | 第49-50页 |
| 4.4.1 证据的不确定性推理 | 第49页 |
| 4.4.2 比较异常事件数 | 第49-50页 |
| 4.4.3 畸变信息的处理 | 第50页 |
| 4.5 算例分析 | 第50-54页 |
| 4.5.1 算例1 | 第50-51页 |
| 4.5.2 算例2 | 第51-53页 |
| 4.5.3 算例3 | 第53-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 结论与展望 | 第56-58页 |
| 附录 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表(录用)的论文目录 | 第67-68页 |
| 学位论文评阅及答辩情况表 | 第68页 |
