人工智能技术在小电流接地故障类型辨识中的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·课题相关内容的研究现状 | 第10-11页 |
| ·课题主要工作 | 第11-12页 |
| ·论文安排 | 第12-13页 |
| 第2章 小波分析与熵原理简介 | 第13-19页 |
| ·小波分析的应用 | 第13-14页 |
| ·小波及小波变换 | 第14-17页 |
| ·连续小波变换 | 第15-16页 |
| ·离散小波与离散小波变换 | 第16页 |
| ·多分辨分析 | 第16-17页 |
| ·小波包理论 | 第17-18页 |
| ·熵原理 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第3章 人工神经网络 | 第19-27页 |
| ·神经网络的发展、典型特点及结构 | 第19-20页 |
| ·神经网络的发展 | 第19页 |
| ·神经网络结构及特点 | 第19-20页 |
| ·BP 神经网络 | 第20-23页 |
| ·BP 算法 | 第21-23页 |
| ·BP 算法具体步骤 | 第23页 |
| ·RBF 神经网络 | 第23-25页 |
| ·神经网络的应用 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第4章 相平面法辨别小电流接地故障类型 | 第27-35页 |
| ·小电流接地故障类型 | 第27-28页 |
| ·小电流接地故障原因 | 第27页 |
| ·小电流接地故障类型 | 第27-28页 |
| ·相平面法的原理及其应用 | 第28-29页 |
| ·相平面法的原理 | 第28-29页 |
| ·相平面法的应用 | 第29页 |
| ·相平面法辨识小电流接地故障类型 | 第29-31页 |
| ·相平面法提取故障特征 | 第29-30页 |
| ·近邻分类法识别故障类型 | 第30-31页 |
| ·相平面法仿真 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第5章 基于小波能量的故障类型识别 | 第35-41页 |
| ·MATLB 与 SIMULINK 简介 | 第35页 |
| ·小电流接地系统故障仿真 | 第35-37页 |
| ·仿真模型 | 第35-37页 |
| ·仿真影响参数 | 第37页 |
| ·提取小波能量特征量 | 第37-39页 |
| ·小波基函数的选择 | 第37-38页 |
| ·提取小波能量特征量 | 第38-39页 |
| ·BP 网络进行故障类型识别 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第6章 基于小波系数熵的故障类型识别 | 第41-49页 |
| ·小波熵理论 | 第41-43页 |
| ·小波熵理论的应用现状 | 第41-42页 |
| ·小波熵测度 | 第42-43页 |
| ·利用小波系数熵提取小电流接地故障信号特征向量 | 第43-45页 |
| ·神经网络进行分类 | 第45-46页 |
| ·基于小波包系数熵的故障识别系统 | 第46-48页 |
| ·提取小波包系数熵 | 第47页 |
| ·利用神经网络进行故障类型辨别 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第7章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第53-54页 |
| 致谢 | 第54页 |
