| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 插图索引 | 第11-12页 |
| 插表索引 | 第12-13页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-17页 |
| 1.3 本文研究的主要内容 | 第17-19页 |
| 第2章 接地网故障诊断基本理论 | 第19-28页 |
| 2.1 引言 | 第19页 |
| 2.2 基本思想 | 第19-20页 |
| 2.3 接地网故障诊断方程 | 第20-22页 |
| 2.4 故障诊断线性化数学模型 | 第22-24页 |
| 2.4.1 线性化模型构建 | 第22-23页 |
| 2.4.2 线性迭代模型 | 第23-24页 |
| 2.5 故障诊断非线性数学模型 | 第24-26页 |
| 2.6 影响因素分析 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第3章 基于 PCA 和 DE-RBF 的接地网诊断 | 第28-43页 |
| 3.1 引言 | 第28页 |
| 3.2 主元分析概述 | 第28-31页 |
| 3.2.1 主元分析原理 | 第28-30页 |
| 3.2.2 特征提取方法 | 第30-31页 |
| 3.3 径向基神经网络 | 第31-34页 |
| 3.3.1 网络结构 | 第32页 |
| 3.3.2 学习算法 | 第32-34页 |
| 3.4 差分进化算法 | 第34-38页 |
| 3.4.1 基本原理 | 第35页 |
| 3.4.2 算法流程 | 第35-37页 |
| 3.4.3 算法分析 | 第37-38页 |
| 3.5 差分优化神经网络的算法设计 | 第38-39页 |
| 3.6 应用 PCA 和 DE-RBF 的接地网诊断 | 第39-42页 |
| 3.6.1 故障诊断步骤 | 第39-40页 |
| 3.6.2 仿真计算 | 第40-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第4章 应用 PSO-APF 的接地网故障诊断 | 第43-53页 |
| 4.1 引言 | 第43页 |
| 4.2 接地网故障诊断的约束优化模型 | 第43-44页 |
| 4.2.1 基本思想 | 第43-44页 |
| 4.2.2 约束优化模型 | 第44页 |
| 4.3 粒子群优化算法 | 第44-48页 |
| 4.3.1 算法原理 | 第44-46页 |
| 4.3.2 算法参数分析 | 第46-47页 |
| 4.3.3 算法流程 | 第47-48页 |
| 4.3.4 与其他算法的比较 | 第48页 |
| 4.4 应用自适应惩罚函数的接地网诊断 | 第48-51页 |
| 4.4.1 约束优化的数学模型 | 第48-49页 |
| 4.4.2 惩罚函数法 | 第49页 |
| 4.4.3 自适应惩罚函数的选取 | 第49-51页 |
| 4.5 仿真实例分析 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 接地网分块诊断的混合优化算法 | 第53-62页 |
| 5.1 引言 | 第53页 |
| 5.2 接地网撕裂的多目标优化模型 | 第53-54页 |
| 5.2.1 子网络等效模型 | 第53-54页 |
| 5.2.2 多目标优化模型的建立 | 第54页 |
| 5.3 差分进化粒子群算法 | 第54-56页 |
| 5.3.1 算法基本原理 | 第54-55页 |
| 5.3.2 算法流程 | 第55-56页 |
| 5.4 禁忌搜索算法 | 第56-57页 |
| 5.4.1 基本原理 | 第56-57页 |
| 5.4.2 算法流程 | 第57页 |
| 5.5 基于 PSODE-TS 算法的诊断 | 第57-59页 |
| 5.5.1 PSODE-TS 算法 | 第57-58页 |
| 5.5.2 接地网的诊断步骤 | 第58-59页 |
| 5.6 仿真计算 | 第59-61页 |
| 5.7 本章小结 | 第61-62页 |
| 结论与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 附录 A （攻读学位期间发表的学术论文目录） | 第69-70页 |
| 附录 B （攻读学位期间参加的科研工作及学术活动） | 第70页 |
