| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究目的和意义 | 第8-9页 |
| 1.2 过载继电器的工作原理 | 第9-10页 |
| 1.3 低压电器热分析研究现状 | 第10-11页 |
| 1.4 低压电器监测技术与发展概况 | 第11-12页 |
| 1.5 低压电器退化参数分析的国内外现状 | 第12-13页 |
| 1.6 低压电器预测研究的国内外现状 | 第13-14页 |
| 1.7 主要研究内容 | 第14-16页 |
| 第二章 过载继电器退化性能的仿真分析 | 第16-30页 |
| 2.1 过载继电器电-热-结构数学模型的建立 | 第16-20页 |
| 2.1.1 双金属片电-热数学模型的建立 | 第16-18页 |
| 2.1.2 双金属片热-结构耦合数学模型的建立 | 第18-19页 |
| 2.1.3 双金属片自由端推力数学模型的建立 | 第19-20页 |
| 2.2 不同倍数整定电流下过载继电器退化性能的仿真分析 | 第20-23页 |
| 2.3 双金属片参数极限值的确定 | 第23-24页 |
| 2.4 双金属片性能关键属性参数的确定 | 第24-28页 |
| 2.4.1 正交试验设计 | 第24-25页 |
| 2.4.2 关键因素分析 | 第25-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 过载继电器性能实验监测技术及性能仿真追踪 | 第30-48页 |
| 3.1 性能监测实验方案的设计 | 第30-31页 |
| 3.2 实验平台的设计 | 第31-34页 |
| 3.3 过载继电器保护动作时间数据分析 | 第34-35页 |
| 3.4 过载继电器双金属片温度性能分析 | 第35-40页 |
| 3.4.1 相同状态下双金属片的温度性能分析 | 第35-37页 |
| 3.4.2 不同损耗状态下双金属片温度性能分析 | 第37-40页 |
| 3.5 过载继电器性能仿真追踪 | 第40-46页 |
| 3.5.1 双金属片退化分析 | 第40-41页 |
| 3.5.2 双金属片仿真追踪 | 第41-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 过载继电器性能趋势的RBF神经网络预测 | 第48-57页 |
| 4.1 RBF神经网络 | 第48-51页 |
| 4.1.1 RBF神经网络的结构 | 第48-49页 |
| 4.1.2 RBF神经网络的学习算法 | 第49-51页 |
| 4.2 过载继电器退化性能的RBF预测分析 | 第51-56页 |
| 4.2.1 过载继电器动作时间的RBF神经网络预测模型 | 第51-53页 |
| 4.2.2 RBF神经网络预测结果分析 | 第53-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第五章 基于小波变换的过载继电器退化性能趋势的RBF神经网络预测 | 第57-69页 |
| 5.1 小波分析的由来 | 第57-58页 |
| 5.2 小波去噪的基本原理和步骤 | 第58-61页 |
| 5.2.1 小波去噪的基本原理 | 第58-59页 |
| 5.2.2 小波阈值去噪步骤 | 第59页 |
| 5.2.3 小波基和分解层数的选取 | 第59-60页 |
| 5.2.4 阈值函数的选择 | 第60-61页 |
| 5.3 去噪效果评价指标的确定 | 第61-62页 |
| 5.4 小波去噪结果分析 | 第62-65页 |
| 5.5 基于小波变换的RBF神经网络预测 | 第65-67页 |
| 5.6 预测对比分析 | 第67页 |
| 5.7 本章小结 | 第67-69页 |
| 第六章 总结 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间所取得的相关科研成果 | 第75-77页 |
| 致谢 | 第77页 |
