基于神经网络的模拟电路故障诊断
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-17页 |
| ·研究的背景和意义 | 第11-12页 |
| ·研究历史及现状 | 第12-14页 |
| ·问题的提出 | 第14-15页 |
| ·本文的研究内容及组织结构 | 第15-17页 |
| 2 模拟电路故障诊断 | 第17-25页 |
| ·模拟电路故障诊断介绍 | 第17-19页 |
| ·模拟电路故障诊断方法 | 第17-19页 |
| ·基准测试电路集 | 第19页 |
| ·基于模式识别的模拟电路故障诊断 | 第19-23页 |
| ·模式识别原理 | 第19-22页 |
| ·使用模式识别的方法诊断模拟电路 | 第22-23页 |
| ·小结 | 第23-25页 |
| 3 人工神经网络及应用 | 第25-35页 |
| ·人工神经网络概述 | 第25-27页 |
| ·神经网络的类型 | 第25-26页 |
| ·神经网络的学习规则 | 第26-27页 |
| ·两种常用的神经网络 | 第27-33页 |
| ·多层前馈 BP 神经网络 | 第27-30页 |
| ·径向基神经网络 | 第30-33页 |
| ·两种网络的比较 | 第33页 |
| ·神经网络在模拟电路故障诊断中的应用 | 第33-34页 |
| ·小结 | 第34-35页 |
| 4 神经网络模拟电路故障诊断方法设计 | 第35-50页 |
| ·基于神经网络的诊断系统 | 第35-42页 |
| ·系统的组成 | 第36-38页 |
| ·电路的仿真与数据采集 | 第38-40页 |
| ·基于 PSpice 软件的电路仿真 | 第38-39页 |
| ·解决电路容差的 Monte Carlo 方法 | 第39-40页 |
| ·数据预处理 | 第40-41页 |
| ·归一化 | 第41页 |
| ·主成分分析维度约简 | 第41页 |
| ·神经网络训练及诊断 | 第41-42页 |
| ·实验及结果分析 | 第42-48页 |
| ·实验：基本诊断流程 | 第42-45页 |
| ·数据采集与预处理 | 第42-44页 |
| ·神经网络训练及诊断 | 第44-45页 |
| ·实验：主成分分析维度约简 | 第45-48页 |
| ·数据采集与预处理 | 第46-47页 |
| ·神经网络训练及诊断 | 第47-48页 |
| ·小结 | 第48-50页 |
| 5 提升诊断性能的神经网络集成方法 | 第50-66页 |
| ·集成学习介绍 | 第51-59页 |
| ·集成学习原理 | 第51-54页 |
| ·集成方法 | 第54-56页 |
| ·Bagging 方法 | 第54-55页 |
| ·Boosting 方法 | 第55-56页 |
| ·实验：UCI 数据集上的分类实验 | 第56-59页 |
| ·基于集成神经网络的诊断系统 | 第59-61页 |
| ·集成神经网络训练 | 第59-61页 |
| ·诊断 | 第61页 |
| ·实验：集成神经网络模拟电路故障诊断 | 第61-65页 |
| ·数据采集与预处理 | 第62-63页 |
| ·集成神经网络训练及诊断 | 第63-65页 |
| ·小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| ·全文总结 | 第66页 |
| ·下一步的工作 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 个人简历 | 第73页 |
| 发表的学术论文 | 第73页 |
