声明
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 本文研究内容及结构
1.3.1 主要研究内容
1.3.2 论文结构安排
2基于物联网的高压断路器在线监测系统设计
2.1 高压断路器工作原理
2.1.1 高压断路器分类
2.1.2 高压断路器结构组成
2.1.3 高压断路器基本参数测量
2.2 高压断路器常见故障分析
2.3 系统总体结构设计
2.3.1 物联网架构
2.3.2 断路器检测终端设计
2.3.3 云服务器搭建
2.4 实验数据分析
2.5 本章小结
3改进量子神经网络故障诊断方法
3.1 TensorFlow深度学习框架
3.1.1 TensorFlow主要思想
3.1.2 TensorFlow实现步骤
3.1.3 在TensorFlow中实现算法底层改进
3.2 量子理论基础
3.2.1 量子比特
3.2.2 量子旋转门
3.3 改进量子神经网络模型
3.3.1 人工神经网络基础
3.3.2 量子神经元
3.3.3 量子神经网络模型
3.3.4 改进的量子神经网络参数调整步骤
3.4 基于改进量子神经网络的高压断路器故障诊断模型
3.4.1 模型的输入/输出设计
3.4.2 在TensorFlow框架下搭建故障诊断模型
3.4.3 实验结果分析
3.5 本章小结
4基于CAS优化的LSTM循环神经网络故障预测方法
4.1 常见故障预测算法
4.1.1 基于ARIMA模型的故障预测
4.1.2 基于统计可靠性的故障预测
4.1.3 基于数据驱动的故障预测
4.2 混沌蚁群优化算法和LSTM循环神经网络理论
4.2.1 LSTM循环神经网络理论
4.2.2 混沌蚁群算法理论
4.2.3蚂蚁间交流方式
4.2.4 混沌蚁群算法优化的LSTM循环神经网络步骤
4.3 基于CAS优化的LSTM循环神经网络高压断路器故障预测模型
4.3.1 模型的建立
4.3.2 在TensorFlow框架下搭建故障预测模型
4.4 本章小结
5高压断路器故障预测系统设计
5.1 系统总体框架设计
5.2 高压断路器在线故障预测平台搭建
5.2.1 LabVIEW调用TensorFlow模型
5.2.2 LabVIEW连接到服务器
5.2.3 用户登录权限设置
5.2.4 故障预测界面设计
5.3 系统运行实例
5.4 本章小结
6 总结与展望
6.1 论文总结
6.2 展望
致谢
参考文献
个人简历、在学期间发表的学术论文及取得的研究成果
重庆理工大学;