| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 模拟电路故障诊断方法介绍与研究现状 | 第10-12页 |
| 1.3 基于模式识别的模拟电路故障诊断流程 | 第12-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 第二章 基于小波分析的特征提取技术 | 第16-22页 |
| 2.1 小波理论的发展概述 | 第16-17页 |
| 2.2 小波分析的理论基础 | 第17-19页 |
| 2.2.1 小波变换的定义 | 第17页 |
| 2.2.2 小波分解与小波包分解 | 第17-19页 |
| 2.3 小波分析的难点和关键问题 | 第19-21页 |
| 2.3.1 小波基函数的选取研究 | 第19-20页 |
| 2.3.2 小波分解层次研究 | 第20页 |
| 2.3.3 小波包系数能量谱的构造及归一化 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 典型数据降维方法概述及其应用 | 第22-31页 |
| 3.1 线性降维算法 | 第22-23页 |
| 3.2 非线性降维算法 | 第23-30页 |
| 3.2.1 等度量映射算法与landmark-ISOMAP | 第24-26页 |
| 3.2.2 LLE与RLLE | 第26-28页 |
| 3.2.3 拉普拉斯特征映射 | 第28-29页 |
| 3.2.4 t-SNE | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 基于小波理论和降维算法的软故障诊断方法研究 | 第31-36页 |
| 4.1 基于小波分析的特征提取技术 | 第31-32页 |
| 4.2 降维算法的选择与参数确定 | 第32-33页 |
| 4.3 改进的克隆选择分类算法简介 | 第33-35页 |
| 4.4 本章小结 | 第35-36页 |
| 第五章 基于降维理论的板级故障智能诊断系统实现 | 第36-48页 |
| 5.1 智能诊断系统总体设计 | 第36-37页 |
| 5.2 故障注入与数据采集 | 第37-39页 |
| 5.3 故障特征的提取与降维实现 | 第39-41页 |
| 5.4 故障训练和板级测试诊断流程的实现 | 第41页 |
| 5.5 降维效果验证评价 | 第41-47页 |
| 5.5.1 非线性降维算法的选取与性能比较 | 第41-44页 |
| 5.5.2 降维比例的讨论 | 第44-47页 |
| 5.6 本章小结 | 第47-48页 |
| 第六章 结论与展望 | 第48-49页 |
| 6.1 本文的主要创新工作 | 第48页 |
| 6.2 研究展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 在学期间的研究成果 | 第53-54页 |
| 致谢 | 第54页 |