基于粗糙集—人工神经网络的配电网故障诊断研究
| 第一章 绪论 | 第1-15页 |
| ·配电网故障诊断研究的意义 | 第7-8页 |
| ·配电网故障诊断的研究现状 | 第8-13页 |
| ·人工智能在配电网故障诊断中的应用 | 第8-10页 |
| ·粗糙集在信息处理中的应用 | 第10-12页 |
| ·人工神经网络的发展和应用 | 第12-13页 |
| ·本文所做的工作 | 第13-15页 |
| 第二章 基于粗糙集理论的知识获取方法 | 第15-30页 |
| ·引言 | 第15页 |
| ·粗糙集理论基础 | 第15-23页 |
| ·粗糙集的基本概念 | 第16-20页 |
| ·粗糙集的属性约简 | 第20-23页 |
| ·粗糙集属性约简方法评价及改进 | 第23-27页 |
| ·属性的约简方法评价 | 第23-26页 |
| ·基于二进制可辨矩阵的属性约简算法改进 | 第26-27页 |
| ·简单的配网算例 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第三章 人工神经网络理论及其网络构造 | 第30-43页 |
| ·引言 | 第30页 |
| ·人工神经网络的结构及学习方法 | 第30-36页 |
| ·神经元模型 | 第31-32页 |
| ·神经网络的拓扑结构 | 第32-33页 |
| ·神经网络的学习规则 | 第33-35页 |
| ·神经网络模型的比较 | 第35-36页 |
| ·RBF人工神经网络介绍及其构造设计 | 第36-40页 |
| ·RBF神经网络介绍 | 第36-37页 |
| ·RBF神经网络的构造设计 | 第37-40页 |
| ·人工神经网络在故障诊断的应用及其局限性 | 第40-42页 |
| ·人工神经网络在故障诊断中的应用 | 第40-41页 |
| ·人工神经网络的局限性 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第四章 基于粗糙集-人工神经网络的配电网故障诊断 | 第43-51页 |
| ·引言 | 第43页 |
| ·粗糙集-人工神经网络方法的必要性 | 第43-44页 |
| ·粗糙集与人工神经网络方法的融合方式 | 第44-46页 |
| ·粗糙集与人工神经网络融合方法改进 | 第46-48页 |
| ·融合方法在配电网故障诊断中的应用 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第五章 简单配电网故障诊断系统的实现及验证 | 第51-57页 |
| ·引言 | 第51页 |
| ·简单诊断系统整体设计 | 第51-52页 |
| ·各种功能模块的设计 | 第52-54页 |
| ·历史故障信息的处理 | 第52页 |
| ·MATLAB与Visual C++接口 | 第52-53页 |
| ·粗糙集-人工神经网络诊断界面实现 | 第53-54页 |
| ·配电网故障诊断实例验证 | 第54-56页 |
| ·小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·总结 | 第57-58页 |
| ·展望 | 第58-59页 |
| 附录 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 声明 | 第65-66页 |
| 攻读学位期间发表(录用)的学术论文目录 | 第66页 |
