| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-25页 |
| §1.1 选题背景及意义 | 第11-12页 |
| §1.2 故障诊断技术的发展 | 第12-20页 |
| §1.2.1 依赖于模型的故障诊断方法 | 第13页 |
| §1.2.2 基于直接可测信号的故障诊断方法 | 第13-15页 |
| §1.2.3 基于知识处理的智能故障诊断方法 | 第15-20页 |
| §1.3 雷达系统智能故障诊断的发展概述及问题分析 | 第20-22页 |
| §1.4 论文主要工作及章节安排 | 第22-25页 |
| §1.4.1 主要工作 | 第22-23页 |
| §1.4.2 章节安排 | 第23-25页 |
| 第二章 基础知识 | 第25-48页 |
| §2.1 小波变换理论 | 第25-29页 |
| §2.1.1 小波变换的基本概念 | 第25-27页 |
| §2.1.2 多分辨分析和Mallat快速算法 | 第27-29页 |
| §2.2 神经网络 | 第29-35页 |
| §2.2.1 BP神经网络 | 第29-32页 |
| §2.2.2 BP网络的学习算法 | 第32-35页 |
| §2.3 支持向量机基本理论 | 第35-40页 |
| §2.3.1 统计学习理论 | 第35-38页 |
| §2.3.2 支持向量机 | 第38-40页 |
| §2.4 模糊数学 | 第40-44页 |
| §2.4.1 概述 | 第40-41页 |
| §2.4.2 模糊集合 | 第41-43页 |
| §2.4.3 模糊关系矩阵 | 第43-44页 |
| §2.5 遗传算法 | 第44-48页 |
| §2.5.1 遗传算法的计算流程 | 第44-46页 |
| §2.5.2 遗传算法基本理论 | 第46-48页 |
| 第三章 基于雷达系统级和电路板级的故障诊断系统 | 第48-69页 |
| §3.1 引言 | 第48页 |
| §3.2 雷达系统级故障诊断方法 | 第48-53页 |
| §3.2.1 某型雷达系统级组成及雷达信号 | 第48-49页 |
| §3.2.2 基于专家系统的雷达系统级故障诊断方法 | 第49-53页 |
| §3.3 雷达电路板级故障诊断方法 | 第53-60页 |
| §3.3.1 雷达信号的相关性分析 | 第53-58页 |
| §3.3.2 雷达电路板级的故障诊断方法 | 第58页 |
| §3.3.3 雷达电路板级的故障诊断实例 | 第58-60页 |
| §3.4 雷达故障诊断系统软件设计 | 第60-68页 |
| §3.4.1 软件系统主要任务 | 第60-61页 |
| §3.4.2 软件系统结构 | 第61-64页 |
| §3.4.3 数据管理模块的设计 | 第64-66页 |
| §3.4.4 模拟维修训练模块的设计 | 第66-68页 |
| §3.5 本章小节 | 第68-69页 |
| 第四章 基于小波神经网络的雷达元器件级故障诊断 | 第69-84页 |
| §4.1 引言 | 第69页 |
| §4.2 基于小波神经网络的雷达元器件级故障诊断方法 | 第69-74页 |
| §4.2.1 基于小波提升框架的故障特征参数提取 | 第69-71页 |
| §4.2.2 小波神经网络故障分类 | 第71-74页 |
| §4.3 雷达高压电源的故障诊断实例研究 | 第74-83页 |
| §4.3.1 高压电源故障仿真 | 第75-78页 |
| §4.3.2 小波神经网络训练样本获取 | 第78-80页 |
| §4.3.3 基于小波神经网络与神经网络的故障诊断对比 | 第80-83页 |
| §4.4 小结 | 第83-84页 |
| 第五章 基于支持向量机的雷达元器件级故障诊断 | 第84-105页 |
| §5.1 引言 | 第84页 |
| §5.2 最小二乘小波支持向量机 | 第84-86页 |
| §5.3 基于LS-WSVM的雷达元器件级故障诊断方法 | 第86-93页 |
| §5.3.1 故障特征参数提取 | 第86页 |
| §5.3.2 基于贝时斯证据框架的模型参数选取 | 第86-89页 |
| §5.3.3 基于量子进化算法的模型参数优化 | 第89-92页 |
| §5.3.4 多类LS-WSVM故障分类 | 第92-93页 |
| §5.4 雷达扫描电路板故障诊断实例研究 | 第93-104页 |
| §5.4.1 扫描电路板故障仿真及特征参数提取 | 第93-98页 |
| §5.4.2 基于LS-SVM的故障诊断模型建立 | 第98-102页 |
| §5.4.3 故障诊断结果对比 | 第102-104页 |
| §5.5 本章小结 | 第104-105页 |
| 第六章 基于模糊推理的雷达元器件级故障诊断 | 第105-123页 |
| §6.1 引言 | 第105页 |
| §6.2 基于模糊推理的雷达元器件级故障诊断方法 | 第105-114页 |
| §6.2.1 模糊逻辑系统 | 第105-109页 |
| §6.2.2 基于量子进化算法的故障诊断模糊规则选取 | 第109-112页 |
| §6.2.3 基于自适应遗传算法的故障诊断模糊规则优化 | 第112-114页 |
| §6.3 雷达功率放大电路板故障诊断实例研究 | 第114-121页 |
| §6.3.1 功率放大电路板故障仿真及特征参数提取 | 第114-117页 |
| §6.3.2 模糊规则的选取 | 第117-118页 |
| §6.3.3 模糊规则的优化 | 第118-120页 |
| §6.3.4 故障诊断验证 | 第120-121页 |
| §6.4 本章小结 | 第121-123页 |
| 第七章 回顾与展望 | 第123-127页 |
| §7.1 论文工作回顾 | 第123-124页 |
| §7.2 展望 | 第124-127页 |
| 致谢 | 第127-128页 |
| 参考文献 | 第128-141页 |
| 附录 | 第141-145页 |
| 攻读博士学位期间的论文、科研工作及获奖情况 | 第145-146页 |
