基于多源信息融合的模拟电路故障诊断
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9页 |
| ·模拟电路故障诊断研究现状 | 第9-11页 |
| ·国内研究现状 | 第10页 |
| ·国外研究现状 | 第10-11页 |
| ·模拟电路故障诊断方法及其特点 | 第11-13页 |
| ·测前模拟法 | 第12页 |
| ·测后模拟法 | 第12-13页 |
| ·逼近法和人工智能方法 | 第13页 |
| ·论文的主要研究内容与结构安排 | 第13-15页 |
| 第2章 模拟电路诊断的神经网络方法 | 第15-31页 |
| ·引言 | 第15页 |
| ·神经网络概述 | 第15-16页 |
| ·神经网络模型 | 第16-23页 |
| ·BP神经网络 | 第16-19页 |
| ·径向基函数网络 | 第19-20页 |
| ·Hopfield网络 | 第20-21页 |
| ·各神经网络特点 | 第21-23页 |
| ·BP算法的改进 | 第23-26页 |
| ·动量BP算法 | 第23-24页 |
| ·自适应BP算法 | 第24页 |
| ·共轭梯度BP算法 | 第24-25页 |
| ·Levenberg-Marquardt算法 | 第25-26页 |
| ·基于神经网络的模拟电路诊断 | 第26-27页 |
| ·诊断实例 | 第27-30页 |
| ·小结 | 第30-31页 |
| 第3章 信息融合算法基础 | 第31-41页 |
| ·引言 | 第31页 |
| ·多源信息融合概述 | 第31-34页 |
| ·多源信息融合技术的发展历史 | 第32-33页 |
| ·应用领域 | 第33-34页 |
| ·信息融合的级别与处理结构 | 第34-36页 |
| ·常用的信息融合算法 | 第36-40页 |
| ·卡尔曼加权融合算法 | 第37-38页 |
| ·Bayes推理法 | 第38-39页 |
| ·模糊积分法 | 第39页 |
| ·神经网络融合学习 | 第39页 |
| ·D-S证据理论 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第4章 应用融合算法的模拟电路诊断研究 | 第41-54页 |
| ·引言 | 第41页 |
| ·融合诊断步骤 | 第41-43页 |
| ·电量信息融合诊断实例 | 第43-45页 |
| ·基于D-S融合诊断方法及诊断实例 | 第45-52页 |
| ·基本概率分配函数与信任测度和似然测度 | 第45-46页 |
| ·Dempster-Shafer合成公式 | 第46页 |
| ·证据推理 | 第46-47页 |
| ·异类信息融合诊断实例 | 第47-52页 |
| ·小结 | 第52-54页 |
| 第5章 热诊断学在电路诊断中的应用 | 第54-60页 |
| ·引言 | 第54页 |
| ·热传导基本知识 | 第54-57页 |
| ·温度场和温度梯度 | 第54-55页 |
| ·导热微分方程及其定解条件 | 第55-56页 |
| ·稳态导热问题的数值求解 | 第56-57页 |
| ·基于温度场的故障自动识别设想 | 第57-59页 |
| ·小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 附录A(攻读学位期间所发表的学术论文) | 第68-69页 |
| 附录B(攻读学位期间专利与软件著作权申请情况) | 第69-70页 |
| 附录C(攻读学位期间参加的科研工作及学术活动) | 第70页 |
