摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
第一章 绪论 | 第13-28页 |
1.1 论文研究背景 | 第13-14页 |
1.2 模拟电路RUP预测的目的与意义 | 第14-17页 |
1.3 模拟电路RUP预测的发展和现状 | 第17-23页 |
1.4 现有技术的不足 | 第23-24页 |
1.5 本文的主要内容及结构安排 | 第24-28页 |
第二章 基于高斯白噪声估计的模拟电路RUP预测法 | 第28-53页 |
2.1 基于高斯白噪声估计的模拟电路RUP预测法概述 | 第28页 |
2.2 基于高斯白噪声估计的预测方法总体结构 | 第28-32页 |
2.2.1 传统的模拟电路诊断与预测结构 | 第28-29页 |
2.2.2 传统的模拟电路预测方法分析 | 第29-31页 |
2.2.3 基于KALMAN噪声估计的模拟电路RUP预测方法总体结构介绍 | 第31-32页 |
2.3 特征提取与FI的计算 | 第32-36页 |
2.3.1 基于高斯白噪声估计的特征提取模型 | 第32-33页 |
2.3.2 KALMAN滤波器原理 | 第33-35页 |
2.3.3 基于KALMAN滤波器的噪声估计 | 第35-36页 |
2.4 基于粒子滤波的退化模型更新与剩余使用性能寿命的预测 | 第36-42页 |
2.4.1 基于本文高斯白噪声估计法的元件退化模型建立 | 第36-39页 |
2.4.2 粒子滤波 | 第39-41页 |
2.4.3 粒子滤波对于模型的更新 | 第41-42页 |
2.5 基于高斯白噪声估计的诊断和预测架构 | 第42-43页 |
2.6 仿真与实验 | 第43-51页 |
2.6.1 仿真 1—PF对RUP预测效果比较仿真 | 第43-44页 |
2.6.2 仿真 2—单元件退化预测仿真 | 第44-47页 |
2.6.3 仿真 3—多元件退化预测仿真 | 第47-50页 |
2.6.4 实验 | 第50-51页 |
2.7 本章小节 | 第51-53页 |
第三章 基于复数域建模的模拟电路单元件RUP预测法 | 第53-77页 |
3.1 基于复数域建模的模拟电路单元件RUP预测法技术概述 | 第53页 |
3.2 基于复数域建模的模拟电路单元件RUP预测法结构总览 | 第53-54页 |
3.3 基于复数域建模的模拟电路单元件的预测FI计算与采集 | 第54-63页 |
3.3.1 模拟电路的复数域圆模型理论 | 第54-58页 |
3.3.2 基于复数域圆模型建模的预测FI采集与计算 | 第58-61页 |
3.3.3 基于复数域线模型建模的预测FI计算 | 第61-63页 |
3.4 基于粒子滤波的退化模型更新与RUP的预测 | 第63-66页 |
3.4.1 单元件模拟电路的FI退化模型的曲线拟合 | 第63-65页 |
3.4.2 粒子滤波对于模型的更新 | 第65-66页 |
3.5 基于复数域建模的单元件预测方法流程 | 第66-68页 |
3.6 基于复数域建模的诊断和预测架构 | 第68-69页 |
3.7 仿真与实验 | 第69-76页 |
3.7.1 仿真—本章方法单元件预测仿真 | 第69-75页 |
3.7.2 实验 | 第75-76页 |
3.8 本章小节 | 第76-77页 |
第四章 采用电压特征的线性模拟电路单元件RUP预测方法 | 第77-101页 |
4.1 采用电压特征的线性模拟电路单元件RUP预测方法技术概述 | 第77页 |
4.2 总体结构总览 | 第77-78页 |
4.3 采用电压特征的线性模拟电路单元件预测FI计算 | 第78-84页 |
4.3.1 关于线性模拟电路的斜率建模原理 | 第78-80页 |
4.3.2 对于线性纯电阻模拟电路的预测FI计算 | 第80-83页 |
4.3.3 线性非纯电阻模拟电路的预测FI计算 | 第83-84页 |
4.4 基于粒子滤波的退化模型更新与RUP预测 | 第84-87页 |
4.5 采用电压特征的线性模拟电路单元件RUP预测方法流程 | 第87-88页 |
4.6 采用电压特征的模拟电路诊断和预测架构 | 第88-89页 |
4.7 仿真与实验 | 第89-99页 |
4.7.1 仿真 1—纯电阻线性模拟电路单元件预测仿真 | 第89-92页 |
4.7.2 仿真 2—非纯电阻线性模拟电路单元件预测仿真 | 第92-97页 |
4.7.3 实验 | 第97-99页 |
4.8 本章小结 | 第99-101页 |
第五章 基于极限学习机的模拟电路测试生成算法 | 第101-121页 |
5.1 测试生成概述 | 第101-102页 |
5.2 测试生成算法总览 | 第102-103页 |
5.3 基于极限学习机的测试生成算法 | 第103-111页 |
5.3.1 极限学习机理论 | 第103-105页 |
5.3.2 采集响应空间 | 第105-107页 |
5.3.3 极限学习机分类算法的执行 | 第107-108页 |
5.3.4 本章基于极限学习机的测试信号生成方法 | 第108-109页 |
5.3.5 新的测试结构 | 第109-111页 |
5.4 本文算法结构与分析 | 第111-113页 |
5.5 实验例子 | 第113-119页 |
5.5.1 例 1—多种激活函数下的本章算法效果仿真与比较 | 第114-116页 |
5.5.2 例 2—压缩状态下本章算法效果仿真与比较 | 第116页 |
5.5.3 例 3—多种压缩样本状态下本章算法效果仿真与比较 | 第116-117页 |
5.5.4 例 4—不同压缩样本下本章算法效果仿真与比较 | 第117-119页 |
5.5.5 例 5—实际测试效果比较 | 第119页 |
5.6 本章小节 | 第119-121页 |
第六章 总结与展望 | 第121-125页 |
6.1 论文工作总结 | 第121-123页 |
6.2 研究展望 | 第123-125页 |
致谢 | 第125-126页 |
参考文献 | 第126-134页 |
攻博期间取得的研究成果 | 第134-135页 |