摘要 | 第1-3页 |
ABSTRACT | 第3-5页 |
目录 | 第5-8页 |
第1章 绪论 | 第8-16页 |
1.1 课题的提出及意义 | 第8-9页 |
1.2 故障诊断技术的发展 | 第9-16页 |
1.2.1 设备故障诊断(FDD)方法 | 第9-13页 |
1.2.2 电力变压器故障诊断的现状 | 第13-16页 |
第2章 电力变压器常见故障及原因 | 第16-29页 |
2.1 前言 | 第16-17页 |
2.2 变压器故障原因及种类 | 第17-22页 |
2.2.1 变压器故障原因 | 第17-18页 |
2.2.2 变压器故障类型 | 第18-20页 |
2.2.3 变压器内部故障类型与油中溶解气体含量的对应关系 | 第20-22页 |
2.3 本系统的需求分析与设计 | 第22-24页 |
2.3.1 需求分析 | 第22-23页 |
2.3.2 设计思想 | 第23-24页 |
2.4 本诊断系统的结构框架 | 第24-27页 |
2.4.1 本故障诊断系统的结构组成 | 第24页 |
2.4.2 主要功能模块 | 第24-27页 |
2.4.3 诊断流程 | 第27页 |
2.5 本章小结 | 第27-29页 |
第3章 电力变压器故障诊断专家系统 | 第29-45页 |
3.1 专家系统的组成 | 第29-32页 |
3.1.1 传统专家系统存在的问题 | 第29-30页 |
3.1.2 电力变压器故障诊断专家系统的结构 | 第30-32页 |
3.2 知识库设计 | 第32-35页 |
3.2.1 设计原则 | 第32页 |
3.2.2 诊断知识分类 | 第32-34页 |
3.2.3 结构设计 | 第34-35页 |
3.3 推理机设计 | 第35-43页 |
3.3.1 专家系统诊断推理的一般过程 | 第37页 |
3.3.2 本专家系统的推理机制 | 第37-43页 |
3.4 实例分析 | 第43页 |
3.5 本章小结 | 第43-45页 |
第4章 基于数据挖掘技术的知识获取方法 | 第45-69页 |
4.1 故障诊断专家系统中知识的获取方法 | 第45-47页 |
4.1.1 知识获取 | 第45-46页 |
4.1.2 知识获取的基本理论 | 第46页 |
4.1.3 传统的三种知识获取方法 | 第46-47页 |
4.2 基于数据挖掘技术的知识获取 | 第47-51页 |
4.2.1 知识获取与数据挖掘 | 第47-49页 |
4.2.2 基于数据挖掘的知识获取的一般步骤 | 第49-50页 |
4.2.3 基于数据挖掘的知识获取方法 | 第50-51页 |
4.3 故障数据预处理 | 第51-53页 |
4.3.1 为什么要对故障数据进行预处理 | 第51-52页 |
4.3.2 故障数据缺失值处理 | 第52-53页 |
4.3.3 故障数据预处理的其它常用方法 | 第53页 |
4.4 基于数据挖掘的预测知识和测试知识获取 | 第53-61页 |
4.4.1 算法概述 | 第53-54页 |
4.4.2 测试知识挖掘 | 第54-60页 |
4.4.3 预测知识挖掘 | 第60-61页 |
4.5 基于数据挖掘的实例知识获取 | 第61-64页 |
4.5.1 算法综述 | 第61页 |
4.5.2 离群数据挖掘 | 第61-63页 |
4.5.3 分类数据挖掘 | 第63-64页 |
4.6 基于数据挖掘技术的知识获取 | 第64-68页 |
4.6.1 由故障决策树到产生式规则 | 第65页 |
4.6.2 描述性数据挖掘 | 第65-68页 |
4.7 本章小结 | 第68-69页 |
第5章 神经网络故障诊断方法研究 | 第69-75页 |
5.1 神经网络 | 第69-70页 |
5.1.1 神经网络的特点 | 第69-70页 |
5.1.2 神经网络与故障诊断 | 第70页 |
5.2 信息融合与故障诊断 | 第70-71页 |
5.2.1 信息融合 | 第70-71页 |
5.2.2 信息融合与故障诊断 | 第71页 |
5.3 神经网络信息融合故障诊断方法 | 第71-74页 |
5.3.1 神经网络信息融合诊断步骤 | 第72-73页 |
5.3.2 本文以西玛电机集团变压器诊断系统为例进行分析 | 第73-74页 |
5.4 本章小结 | 第74-75页 |
第6章 结束语 | 第75-76页 |
致谢 | 第76-77页 |
参考文献 | 第77-81页 |
在校期间发表论文及工程实践 | 第81页 |