| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 变压器故障诊断的背景和意义 | 第11页 |
| 1.2 油中溶解气体分析方法的原理 | 第11-12页 |
| 1.3 变压器故障诊断的主要研究方法 | 第12-15页 |
| 1.3.1 基于DGA数据的传统诊断方法 | 第12-13页 |
| 1.3.2 基于DGA数据的智能诊断方法 | 第13-15页 |
| 1.4 本文的主要研究内容 | 第15-17页 |
| 第2章 信息融合理论的相关知识 | 第17-24页 |
| 2.1 引言 | 第17页 |
| 2.2 信息融合研究历史及现状 | 第17-18页 |
| 2.3 信息融合的概念及基本原理 | 第18-19页 |
| 2.4 信息融合系统的层次结构模型 | 第19-21页 |
| 2.5 多传感器信息融合算法 | 第21-22页 |
| 2.6 信息融合的应用 | 第22-23页 |
| 2.7 本章小结 | 第23-24页 |
| 第3章 基于极限学习机的变压器故障诊断 | 第24-38页 |
| 3.1 引言 | 第24页 |
| 3.2 极限学习机概述 | 第24-31页 |
| 3.2.1 极限学习机的基本思想 | 第24-27页 |
| 3.2.2 极限学习机的学习算法 | 第27页 |
| 3.2.3 极限学习机分类原理 | 第27-31页 |
| 3.3 基于极限学习机的变压器故障诊断 | 第31-36页 |
| 3.3.1 基于极限学习机的变压器故障诊断模型 | 第31页 |
| 3.3.2 特征量的选择 | 第31-32页 |
| 3.3.3 诊断输出 | 第32页 |
| 3.3.4 激活函数的选择 | 第32-33页 |
| 3.3.5 参数的选择 | 第33-35页 |
| 3.3.6 基于ELM的变压器故障诊断的实现过程 | 第35-36页 |
| 3.4 实例分析 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于融合极限学习机的变压器故障诊断 | 第38-47页 |
| 4.1 引言 | 第38页 |
| 4.2 融合极限学习机的基本思想 | 第38-40页 |
| 4.2.1 概率理论与概率极限学习机 | 第38-40页 |
| 4.2.2 融合权值与融合极限学习机 | 第40页 |
| 4.3 基于融合极限学习机的变压器故障诊断 | 第40-44页 |
| 4.3.1 基于融合极限学习机的变压器故障诊断模型 | 第40-41页 |
| 4.3.2 特征量的选择 | 第41页 |
| 4.3.3 激活函数的选择 | 第41页 |
| 4.3.4 诊断输出 | 第41-42页 |
| 4.3.5 参数的选择 | 第42-43页 |
| 4.3.6 基于融合ELM的变压器故障诊断的实现过程 | 第43-44页 |
| 4.4 实例分析 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 基于模糊极限学习机的变压器故障诊断 | 第47-55页 |
| 5.1 引言 | 第47页 |
| 5.2 模糊极限学习机的基本思想 | 第47-50页 |
| 5.2.1 模糊理论 | 第47-48页 |
| 5.2.2 模糊极限学习机 | 第48-50页 |
| 5.3 基于模糊极限学习机的变压器故障诊断 | 第50-53页 |
| 5.3.1 基于模糊极限学习机的变压器故障诊断模型 | 第50页 |
| 5.3.2 特征量的选择 | 第50页 |
| 5.3.3 激活函数的选择 | 第50-51页 |
| 5.3.4 诊断输出 | 第51页 |
| 5.3.5 参数的选择 | 第51-52页 |
| 5.3.6 基于FELM的变压器故障诊断的实现过程 | 第52-53页 |
| 5.4 实例分析 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第6章 结论与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的论文 | 第60-61页 |
| 攻读硕士学位期间参加的科研工作 | 第61-62页 |
| 致谢 | 第62页 |
