| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 选题背景及意义 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 故障诊断研究现状 | 第11-12页 |
| 1.2.2 故障预测研究现状 | 第12-13页 |
| 1.3 论文研究内容及目标 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 电力变压器PHM周期 | 第16-25页 |
| 2.1 电力变压器故障复杂性 | 第16-20页 |
| 2.1.1 影响电力变压器正常运行的因素 | 第16-17页 |
| 2.1.2 电力变压器的故障树 | 第17-18页 |
| 2.1.3 电力变压器故障原因的力学分析 | 第18-20页 |
| 2.2 电力变压器PHM的概念与内涵 | 第20-24页 |
| 2.2.1 PHM方法的分类 | 第20-22页 |
| 2.2.2 PHM的主要任务 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于多级决策融合模型的电力变压器故障深度诊断方法 | 第25-38页 |
| 3.1 神经网络模型 | 第25-26页 |
| 3.1.1 神经元 | 第25-26页 |
| 3.1.2 神经网络 | 第26页 |
| 3.2 深度置信网络 | 第26-29页 |
| 3.2.1 预训练 | 第27-29页 |
| 3.2.2 调优 | 第29页 |
| 3.3 D-S证据理论 | 第29-30页 |
| 3.4 变压器DBN特征提取和分类过程 | 第30-31页 |
| 3.5 变压器D-S证据理论中概率分配函数的定义 | 第31-32页 |
| 3.6 变压器多级决策故障诊断模型 | 第32-33页 |
| 3.7 算法流程 | 第33-34页 |
| 3.8 故障诊断实例 | 第34-37页 |
| 3.8.1 数据集描述 | 第34-35页 |
| 3.8.2 仿真实验 | 第35-37页 |
| 3.9 本章小结 | 第37-38页 |
| 第4章 多元Weibull分布下的电力变压器RUL预测 | 第38-47页 |
| 4.1 威布尔分布 | 第38-40页 |
| 4.1.1 Weibull参数退化模型 | 第38-39页 |
| 4.1.2 多元Weibull分布的多参数退化模型 | 第39页 |
| 4.1.3 参数估计 | 第39-40页 |
| 4.2 电力变压器退化特征参量的确定 | 第40-41页 |
| 4.3 可靠度函数的确定流程 | 第41-42页 |
| 4.4 电力变压器性能退化数据 | 第42页 |
| 4.5 可靠度模型的建立 | 第42-45页 |
| 4.6 剩余使用寿命预测 | 第45-46页 |
| 4.7 本章小结 | 第46-47页 |
| 第5章 结论与展望 | 第47-49页 |
| 5.1 结论 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第53-54页 |
| 攻读硕士学位期间参加的科研工作 | 第54-55页 |
| 致谢 | 第55页 |
