| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 课题研究背景与意义 | 第12-14页 |
| 1.2 接地网故障诊断研究现状及其分析 | 第14-17页 |
| 1.3 信息熵理论的发展及研究现状 | 第17-19页 |
| 1.4 本文主要研究内容 | 第19-21页 |
| 第2章 接地网建模与仿真 | 第21-28页 |
| 2.1 引言 | 第21页 |
| 2.2 基本思想 | 第21页 |
| 2.3 接地网的高频特性 | 第21-22页 |
| 2.4 接地网高频特性计算模型 | 第22-23页 |
| 2.5 接地网模型的搭建与仿真方法 | 第23-27页 |
| 2.5.1 EMTP仿真软件介绍 | 第23-24页 |
| 2.5.2 仿真流程 | 第24-25页 |
| 2.5.3 仿真模型的构建 | 第25-27页 |
| 2.5.4 仿真数据处理 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于信息熵理论的接地网故障特征提取 | 第28-39页 |
| 3.1 引言 | 第28页 |
| 3.2 信息熵的基本理论 | 第28-31页 |
| 3.2.1 信息熵的定义 | 第28-29页 |
| 3.2.2 信息熵的基本性质 | 第29-30页 |
| 3.2.3 信息熵理论的应用优势 | 第30-31页 |
| 3.3 特征提取 | 第31-35页 |
| 3.3.1 时域信息熵特征提取 | 第31-32页 |
| 3.3.2 频域信息熵特征提取 | 第32-33页 |
| 3.3.3 时频域信息熵特征提取 | 第33-35页 |
| 3.4 仿真实例与分析 | 第35-38页 |
| 3.4.1 特征提取步骤 | 第35-36页 |
| 3.4.2 实例仿真与结果分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于证据理论的接地网故障特征融合 | 第39-52页 |
| 4.1 引言 | 第39页 |
| 4.2 信息融合基本知识 | 第39-44页 |
| 4.2.1 信息融合的基本概念 | 第39-42页 |
| 4.2.2 信息融合方法 | 第42-43页 |
| 4.2.3 信息融合主要技术 | 第43-44页 |
| 4.3 接地网故障特征融合原理 | 第44-47页 |
| 4.3.1 D-S证据理论 | 第44-46页 |
| 4.3.2 证据融合模型 | 第46-47页 |
| 4.4 接地网特征融合算法 | 第47-51页 |
| 4.4.1 特征融合步骤 | 第47-48页 |
| 4.4.2 仿真实例及结果分析 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 基于RBF神经网络的接地网故障识别 | 第52-64页 |
| 5.1 引言 | 第52页 |
| 5.2 神经网络基本原理 | 第52-56页 |
| 5.2.1 RBF神经网络结构 | 第52-54页 |
| 5.2.2 RBF网络学习算法 | 第54-56页 |
| 5.3 RBF神经网络的优化方法 | 第56-59页 |
| 5.3.1 误差修正算法 | 第57-58页 |
| 5.3.2 RBF神经网络的结构优化 | 第58-59页 |
| 5.4 故障诊断步骤 | 第59-61页 |
| 5.5 实例仿真与结果分析 | 第61-63页 |
| 5.6 本章小结 | 第63-64页 |
| 结论与展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-73页 |
| 附录A (攻读学位期间发表的学术论文及软件著作权) | 第73-74页 |
| 附录B (攻读学位期间参加的科研工作) | 第74页 |