变电设备在线监测与诊断系统的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的研究内容及结构安排 | 第12-13页 |
| 第2章 无线传感器网络在状态监测的应用 | 第13-21页 |
| 2.1 无线传感器网络在变电设备在线监测中的应用 | 第13-15页 |
| 2.1.1 无线传感器网络的特点及关键技术 | 第13页 |
| 2.1.2 无线传感器网络的可行性分析 | 第13-14页 |
| 2.1.3 状态监测网络整体方案 | 第14-15页 |
| 2.2 无线传感器网络的MAC层协议 | 第15-17页 |
| 2.2.1 S-MAC协议机制 | 第15-16页 |
| 2.2.2 L-MAC协议机制 | 第16-17页 |
| 2.3 无线传感器网络的MAC层协议改进 | 第17-18页 |
| 2.4 改进协议性能评价 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 变压器常见故障及诊断方法 | 第21-30页 |
| 3.1 变压器常见故障 | 第21页 |
| 3.2 传统的故障诊断方法 | 第21-24页 |
| 3.2.1 特征气体判断法 | 第22页 |
| 3.2.2 三比值法 | 第22-24页 |
| 3.3 RBF神经网络的网络模型 | 第24-26页 |
| 3.4 RBF神经网络的学习算法 | 第26-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 量子RBF神经网络模型的研究 | 第30-39页 |
| 4.1 量子计算基础 | 第30-33页 |
| 4.1.1 量子比特及量子信息 | 第30-31页 |
| 4.1.2 量子逻辑门 | 第31-32页 |
| 4.1.3 量子并行性 | 第32-33页 |
| 4.2 量子RBF神经网络模型结构设计 | 第33-36页 |
| 4.3 量子RBF神经网络学习算法 | 第36-38页 |
| 4.3.1 RBF神经网络的中心点确定 | 第36页 |
| 4.3.2 RBF神经网络的量子态转化 | 第36-37页 |
| 4.3.3 RBF神经网络参数的更新规则 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 量子RBF在变压器故障诊断的应用 | 第39-45页 |
| 5.1 量子RBF神经网络结构设计 | 第39-40页 |
| 5.2 量子RBF神经网络故障诊断的分析与测试 | 第40-44页 |
| 5.2.1 网络训练样本 | 第40-41页 |
| 5.2.2 隐含层神经元数 | 第41-42页 |
| 5.2.3 量子RBF神经网络收敛性 | 第42-43页 |
| 5.2.4 变压器故障测试 | 第43-44页 |
| 5.3 本章小结 | 第44-45页 |
| 第6章 变电设备在线监测与诊断系统的设计与实现 | 第45-50页 |
| 6.1 系统开发环境 | 第45页 |
| 6.2 系统整体结构 | 第45-49页 |
| 6.2.1 系统功能模块 | 第45-47页 |
| 6.2.2 变电设备在线监测 | 第47-48页 |
| 6.2.3 变电设备告警与诊断 | 第48-49页 |
| 6.3 本章小结 | 第49-50页 |
| 第7章 总结与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |
