| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15页 |
| 1.2 电能质量概述 | 第15-18页 |
| 1.3 国内外研究现状 | 第18-21页 |
| 1.4 论文研究的主要内容及章节安排 | 第21-23页 |
| 2 希尔伯特黄变换的基本理论 | 第23-34页 |
| 2.1 引言 | 第23-24页 |
| 2.2 经验模态分解 | 第24-27页 |
| 2.3 希尔伯特变换 | 第27-28页 |
| 2.4 HHT算法应用问题研究 | 第28-31页 |
| 2.5 仿真分析 | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 3 基于自适应互补的局部均值分解方法 | 第34-48页 |
| 3.1 引言 | 第34-35页 |
| 3.2 集合经验模态分解 | 第35-36页 |
| 3.3 互补集合经验模式分解 | 第36页 |
| 3.4 局部均值分解算法 | 第36-37页 |
| 3.5 ACLMD算法的提出 | 第37-42页 |
| 3.6 仿真分析 | 第42-47页 |
| 3.7 本章小结 | 第47-48页 |
| 4 ACLMD算法在电能质量检测中的应用 | 第48-65页 |
| 4.1 引言 | 第48页 |
| 4.2 暂态电能质量扰动分析 | 第48-57页 |
| 4.3 稳态电能质量扰动的分析 | 第57-62页 |
| 4.4 复合电能质量扰动分析 | 第62-64页 |
| 4.5 本章小结 | 第64-65页 |
| 5 基于相关向量机的电能质量扰动分类识别 | 第65-79页 |
| 5.1 引言 | 第65页 |
| 5.2 基于ACLMD方法的特征提取 | 第65-68页 |
| 5.3 相关向量机 | 第68-71页 |
| 5.4 相关向量机优化模型 | 第71-73页 |
| 5.5 基于PSO-RVM算法在电能质量扰动分类中的应用 | 第73-78页 |
| 5.6 本章小结 | 第78-79页 |
| 6 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79-80页 |
| 6.2 展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 作者简历 | 第86-88页 |
| 学位论文数据集 | 第88页 |