| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 杆塔分类 | 第9-10页 |
| 1.2.2 国内外研究现状分析 | 第10-12页 |
| 1.3 主要研究内容及创新点 | 第12-13页 |
| 1.3.1 本课题的重点研究工作 | 第12页 |
| 1.3.2 本文的工作意义及创新性 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 第2章 输电杆塔振动识别方法研究 | 第14-34页 |
| 2.1 杆塔振动识别方法简介 | 第14-15页 |
| 2.1.1 传统输电杆塔振动识别方法分析 | 第14-15页 |
| 2.1.2 基于人工神经网络的杆塔振动识别方法概述 | 第15页 |
| 2.2 杆塔振动特征参数分析与提取方法研究 | 第15-27页 |
| 2.2.1 确定杆塔振动特征参数 | 第15-17页 |
| 2.2.2 输电杆塔振动信号特征参数提取方法研究 | 第17-22页 |
| 2.2.3 基于信号质量中心的振动信号阻尼比计算方法研究 | 第22-27页 |
| 2.3 输电杆塔振动识别系统中的人工神经网络模型研究 | 第27-33页 |
| 2.3.1 人工神经网络算法概述 | 第27-29页 |
| 2.3.2 人工神经网络模型分析 | 第29-31页 |
| 2.3.3 BP 神经网络模型设计 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 BP 神经网络模型建立 | 第34-44页 |
| 3.1 BP 神经网络模型训练样本获取 | 第34-39页 |
| 3.1.1 外破激励下的输电杆塔振动特征参数 | 第34-35页 |
| 3.1.2 风激励下的输电杆塔振动特征参数 | 第35-37页 |
| 3.1.3 BP 神经网络的输入/输出参数分析与预处理 | 第37-39页 |
| 3.2 基于 MATLAB 的 BP 神经网络模型建立 | 第39-43页 |
| 3.2.1 BP 神经网络的结构设计 | 第39-40页 |
| 3.2.2 转移函数选择 | 第40页 |
| 3.2.3 训练方法确定 | 第40-42页 |
| 3.2.4 其他神经网络参数选取 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 基于 BP 神经网络的杆塔振动识别方法实现 | 第44-67页 |
| 4.1 杆塔振动特征参数提取的实现方式 | 第44-53页 |
| 4.1.1 杆塔振动波形的获取 | 第44-50页 |
| 4.1.2 基于分形理论的杆塔振动预识别方法 | 第50-51页 |
| 4.1.3 特征参数提取的软件实现 | 第51-53页 |
| 4.2 基于 BP 神经网络的杆塔振动识别方法的实现方式研究 | 第53-56页 |
| 4.2.1 BP 神经网络实现平台选择 | 第53-54页 |
| 4.2.2 BP 神经网络输入参数获取方法研究 | 第54-56页 |
| 4.3 输电杆塔振动识别系统整合 | 第56-60页 |
| 4.3.1 输电杆塔振动识别系统架构概述 | 第56-57页 |
| 4.3.2 通信子站设计 | 第57-58页 |
| 4.3.3 监测中心软件设计 | 第58-60页 |
| 4.4 输电杆塔振动识别系统实验结果分析 | 第60-65页 |
| 4.4.1 前端设备的测试与分析 | 第60-62页 |
| 4.4.2 基于 BP 神经网络的输电杆塔振动识别方法测试与分析 | 第62-65页 |
| 4.5 本章小结 | 第65-67页 |
| 第5章 结论与展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 附录 1 攻读硕士学位期间发表的论文 | 第73-74页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第74-75页 |
| 详细摘要 | 第75-80页 |
