| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·开关电流的发展历史和现状 | 第11-12页 |
| ·开关电流电路的测试和故障诊断 | 第12-13页 |
| ·论文的内容及组织结构 | 第13-15页 |
| 第2章 开关电流技术的基本理论 | 第15-30页 |
| ·开关电容基本理论 | 第15-16页 |
| ·开关电流基本原理 | 第16-17页 |
| ·开关电流基本积分器模块 | 第17-25页 |
| ·SI 延迟模块 | 第17-18页 |
| ·SI 同相积分器 | 第18-20页 |
| ·SI 同相阻尼积分器 | 第20-21页 |
| ·SI 反相阻尼积分器 | 第21-22页 |
| ·SI 反相阻尼放大器 | 第22-24页 |
| ·SI 通用积分器 | 第24-25页 |
| ·SI 微分器模块 | 第25-28页 |
| ·SI 反相微分器 | 第25-26页 |
| ·SI 通用反相微分器 | 第26页 |
| ·SI 同相微分器 | 第26-27页 |
| ·SI 通用同相微分器 | 第27-28页 |
| ·SI 仿真程序 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第3章 小波分析、遗传算法和神经网络的基本原理 | 第30-41页 |
| ·小波分析 | 第30-36页 |
| ·基本理论 | 第30-32页 |
| ·小波基的特性与选择 | 第32-33页 |
| ·多尺度分析 | 第33-36页 |
| ·遗传算法 | 第36-37页 |
| ·遗传算法的介绍 | 第36页 |
| ·遗传算法的基本求解步骤 | 第36-37页 |
| ·神经网络 | 第37-40页 |
| ·基础知识 | 第37-39页 |
| ·学习规则 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第4章 开关电流电路故障模型的建立 | 第41-52页 |
| ·引言 | 第41-42页 |
| ·MOS 器件模型 | 第42-47页 |
| ·LEVEL 1 模型 | 第42-43页 |
| ·LEVEL 2 模型 | 第43-45页 |
| ·LEVEL 3 模型 | 第45-46页 |
| ·BSIM 系列模型 | 第46-47页 |
| ·开关电流电路硬故障和软故障模型的建立与分析 | 第47-51页 |
| ·硬故障模型 | 第47-48页 |
| ·软故障模型 | 第48-51页 |
| ·小结 | 第51-52页 |
| 第5章 开关电流电路故障诊断遗传算法优化 BP 神经网络的实现 | 第52-68页 |
| ·引言 | 第52页 |
| ·小波信号处理 | 第52-55页 |
| ·信号的去噪处理 | 第52-54页 |
| ·信号特征提取 | 第54-55页 |
| ·遗传算法优化神经网络 | 第55-56页 |
| ·神经网络结构 | 第55页 |
| ·遗传算法优化神经网络训练算法 | 第55-56页 |
| ·遗传算法优化神经网络故障诊断实施方法 | 第56-57页 |
| ·诊断实例 1 | 第57-62页 |
| ·故障类型的确定 | 第58页 |
| ·故障特征向量的提取 | 第58-59页 |
| ·GA-BP 网络和 BP 网络的训练后的结果比较 | 第59-62页 |
| ·诊断实例 2 | 第62-66页 |
| ·诊断电路与故障设定 | 第62-63页 |
| ·故障特征向量的提取 | 第63页 |
| ·GA-BP 网络的训练后的输出结果 | 第63-66页 |
| ·小结 | 第66-68页 |
| 结论及展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 附录 A （攻读学位期间所发表的学术论文目录） | 第76页 |