改进PSO-BP神经网络在变压器故障检测中的研究和应用
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·论文的研究背景及选题意义 | 第8页 |
| ·基于BP 神经网络的研究现状 | 第8-10页 |
| ·论文的主要研究内容及组织 | 第10-12页 |
| 2 BP 神经网络模型与算法 | 第12-25页 |
| ·人工神经网络 | 第12-16页 |
| ·人工神经元 | 第12-13页 |
| ·人工神经网络分类 | 第13-14页 |
| ·人工神经网络的学习规则 | 第14-16页 |
| ·BP 神经网络 | 第16-17页 |
| ·BP 算法 | 第17-22页 |
| ·BP 算法的实现步骤 | 第22页 |
| ·BP 算法应用要点 | 第22-23页 |
| ·人工神经网络的应用领域 | 第23-25页 |
| 3 粒子群优化算法的研究和改进 | 第25-32页 |
| ·基本粒子群优化算法 | 第25-28页 |
| ·粒子群优化算法的思想 | 第25-26页 |
| ·粒子群优化算法的数学描述 | 第26-27页 |
| ·参数的意义 | 第27-28页 |
| ·粒子群算法的研究和改进 | 第28-30页 |
| ·带有惯性权重的粒子群算法 | 第28-29页 |
| ·带有收缩因子的粒子群算法 | 第29页 |
| ·变异动态粒子群算法 | 第29-30页 |
| ·粒子群算法优化BP 神经网络 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 4 变压器故障检测技术及试验分析 | 第32-46页 |
| ·基于DGA 的变压器故障诊断基本原理 | 第32-34页 |
| ·DGA 技术 | 第32页 |
| ·绝缘油中气体和故障的关系 | 第32-34页 |
| ·故障类型的诊断方法 | 第34-37页 |
| ·特征气体法 | 第34-35页 |
| ·三比值判断法 | 第35-36页 |
| ·人工智能技术 | 第36-37页 |
| ·基于改进PSO-BP 的故障诊断 | 第37-44页 |
| ·诊断故障的类型 | 第37页 |
| ·训练数据的处理 | 第37-39页 |
| ·网络结构的设定 | 第39-41页 |
| ·算法参数的取值 | 第41-42页 |
| ·试验的软件实现及结果分析 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 5 总结与展望 | 第46-47页 |
| ·论文的主要工作 | 第46页 |
| ·进一步研究的方向 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录 | 第51页 |
| A 攻读硕士期间发表的论文 | 第51页 |
| B 作者在攻读硕士期间参与的科研课题 | 第51页 |
