| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·选题的背景及意义 | 第7-8页 |
| ·国内外的研究现状 | 第8-10页 |
| ·传统方法 | 第8页 |
| ·基于人工智能的方法 | 第8-10页 |
| ·本文的主要工作 | 第10-11页 |
| 第二章 变压器油中溶解气体分析的原理及方法 | 第11-27页 |
| ·变压器运行中常见故障的分析 | 第11-14页 |
| ·变压器油中气体产生和消失 | 第14-17页 |
| ·变压器油的成份及气体产生机理 | 第14-16页 |
| ·变压器固体绝缘的成份及气体产生机理 | 第16-17页 |
| ·变压器典型的内部故障与油中气体组分的关系 | 第17-19页 |
| ·经典的故障诊断方法 | 第19-22页 |
| ·变压器是否故障的判断方法 | 第19-21页 |
| ·特征气体法 | 第21页 |
| ·比值法 | 第21-22页 |
| ·其它的各种辅助判断方法 | 第22-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 神经网络在变压器油中溶解气体分析故障诊断中的应用 | 第27-43页 |
| ·神经网络的背景知识 | 第27-31页 |
| ·神经网络的定义 | 第27页 |
| ·神经网络的特点 | 第27-28页 |
| ·人工神经元模型 | 第28-30页 |
| ·神经网络的拓扑结构及工作方式 | 第30页 |
| ·神经网络的学习 | 第30-31页 |
| ·L-M 神经网络 | 第31-33页 |
| ·RPROP 神经网络 | 第33-35页 |
| ·RBF 神经网络 | 第35-39页 |
| ·基本原理 | 第35-36页 |
| ·SASCC 算法 | 第36-39页 |
| ·多种神经网络的训练和诊断 | 第39-41页 |
| ·神经网络模型 | 第39-40页 |
| ·神经网络的训练和诊断效果 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 神经网络诊断结果的信息融合 | 第43-50页 |
| ·信息融合的原理和方法 | 第43-46页 |
| ·信息融合的基本原理 | 第43页 |
| ·信息融合的级别 | 第43-44页 |
| ·信息融合的方法 | 第44-46页 |
| ·D-S 证据理论及其在变压器诊断中的应用 | 第46-49页 |
| ·基本原理 | 第46-48页 |
| ·实例应用 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 在学期间发表的学术论文和参加科研情况 | 第55-56页 |
| 详细摘要 | 第56-64页 |