| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1、绪论 | 第11-14页 |
| ·研究目的和意义 | 第11-12页 |
| ·基于神经网络的变压器故障诊断研究现状 | 第12-13页 |
| ·本文主要研究的内容 | 第13-14页 |
| 2、变压器油中溶解气体分析的原理及方法 | 第14-27页 |
| ·变压器常见故障与分类 | 第14-15页 |
| ·变压器油中溶解气体的来源 | 第15-16页 |
| ·油中溶解气体组分与故障类型的对应关系 | 第16-18页 |
| ·基于油中溶解气体分析的变压器故障诊断 | 第18-26页 |
| ·有无故障的判断 | 第18-19页 |
| ·故障严重程度判断 | 第19-21页 |
| ·故障类型判断 | 第21-24页 |
| ·故障状况判断 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3、基于聚类法的变压器故障样本划分 | 第27-40页 |
| ·样本优化处理概述 | 第27-28页 |
| ·聚类分析介绍 | 第28-32页 |
| ·聚类分析基本概念 | 第28页 |
| ·聚类分析的数学模型 | 第28-29页 |
| ·相似性度量 | 第29-30页 |
| ·聚类目标函数 | 第30-32页 |
| ·聚类算法 | 第32页 |
| ·变压器油中溶解气体样本的划分 | 第32-39页 |
| ·故障样本的规范化 | 第33页 |
| ·基于聚类法的样本优化划分 | 第33-39页 |
| ·本章小结 | 第39-40页 |
| 4、基于PSO-RBFNN神经网络的变压器故障诊断系统 | 第40-57页 |
| ·径向基函数(RBF)神经网络 | 第40-43页 |
| ·RBF神经网络的结构原理 | 第40-41页 |
| ·RBF神经网络基本的学习算法 | 第41-43页 |
| ·粒子群优化(PSO)算法 | 第43-46页 |
| ·PSO算法原理 | 第43-44页 |
| ·基于PSO的RBF神经网络学习算法 | 第44-46页 |
| ·基于PSO-RBFNN的变压器故障诊断系统设计 | 第46-56页 |
| ·变压器故障样本获取 | 第46-49页 |
| ·变压器故障诊断系统的实现 | 第49-53页 |
| ·变压器故障诊断系统的测试 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 5、基于MATLAB/GUI的变压器故障诊断系统程序设计 | 第57-64页 |
| ·MATLAB的GUI编程介绍 | 第57-58页 |
| ·变压器故障诊断系统 | 第58-63页 |
| ·故障诊断系统界面结构介绍 | 第58-59页 |
| ·故障诊断系统使用测试 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 6、总结与展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间取得的研究成果 | 第70页 |