| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题研究的背景和意义 | 第11-12页 |
| ·变压器故障诊断国内外研究现状 | 第12-15页 |
| ·本文研究的主要内容 | 第15-17页 |
| 第二章 变压器油中气体分析与传统故障诊断方法 | 第17-29页 |
| ·变压器绝缘材料性能及其产气机理 | 第17-22页 |
| ·变压器绝缘材料的组成及性能分析 | 第17-18页 |
| ·变压器内部绝缘材料分解产气机理 | 第18-21页 |
| ·气体在变压器油中的溶解与扩散 | 第21-22页 |
| ·变压器内部故障与油中溶解气体含量的关系 | 第22-24页 |
| ·变压器传统故障诊断方法 | 第24-27页 |
| ·特征气体判断法 | 第25页 |
| ·比值判断法 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 支持向量机和人工免疫算法原理 | 第29-53页 |
| ·统计学习理论 | 第29-32页 |
| ·学习一致性条件 | 第29-30页 |
| ·学习机的VC维 | 第30-31页 |
| ·推广性的界理论 | 第31页 |
| ·结构风险最小化原则 | 第31-32页 |
| ·支持向量机基本原理 | 第32-38页 |
| ·支持向量机二分类算法 | 第33-37页 |
| ·核函数的选取 | 第37-38页 |
| ·支持向量机的多分类算法 | 第38-40页 |
| ·一次求解多分类 | 第38页 |
| ·组合实现多分类 | 第38-40页 |
| ·生物免疫系统 | 第40-43页 |
| ·基本概念 | 第40-41页 |
| ·生物免疫系统的原理 | 第41-42页 |
| ·生物免疫系统的主要特性 | 第42-43页 |
| ·人工免疫系统 | 第43-51页 |
| ·人工免疫系统概述 | 第43-44页 |
| ·人工免疫系统工程应用现状 | 第44-45页 |
| ·人工免疫算法研究 | 第45-50页 |
| ·人工免疫算法的优越性 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第四章 基于支持向量机的电力变压器故障诊断研究 | 第53-63页 |
| ·前言 | 第53-54页 |
| ·模式识别与故障诊断 | 第54-55页 |
| ·支持向量机在电力变压器故障诊断中的应用研究 | 第55-62页 |
| ·故障特征量的提取及故障模式的确定 | 第55-56页 |
| ·样本数据处理 | 第56-58页 |
| ·核函数的选择及其参数的求解方法 | 第58-60页 |
| ·基于支持向量机的变压器故障诊断模型 | 第60-61页 |
| ·基于交叉验证法的支持向量机的变压器故障诊断 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 基于免疫算法优化支持向量机的变压器故障诊断 | 第63-79页 |
| ·免疫进化算法的分析设计 | 第63-70页 |
| ·免疫进化算法的提出 | 第63页 |
| ·免疫进化的主要运行机理 | 第63-64页 |
| ·免疫进化算法的模型框架及算法的分析设计 | 第64-69页 |
| ·免疫进化算法的特点 | 第69-70页 |
| ·基于免疫算法优化支持向量机的电力变压器故障诊断 | 第70-77页 |
| ·基于免疫进化算法的支持向量机参数优化 | 第70-71页 |
| ·免疫进化算法优化支持向量机的变压器故障诊断模型 | 第71-72页 |
| ·实例仿真测试结果及分析 | 第72-77页 |
| ·本章小结 | 第77-79页 |
| 第六章 总结与展望 | 第79-81页 |
| ·总结 | 第79-80页 |
| ·展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-86页 |
| 攻读学位期间发表的学术论文 | 第86页 |