模拟电路故障诊断中基于信息熵的特征提取方法
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·模拟电路故障诊断研究背景及意义 | 第8-9页 |
| ·模拟电路故障诊断的发展过程及研究现状 | 第9-14页 |
| ·模拟电路故障诊断的发展过程 | 第9-10页 |
| ·模拟电路故障诊断的研究现状 | 第10-14页 |
| ·本论文研究的主要内容 | 第14-16页 |
| 第二章 模拟电路的故障诊断 | 第16-27页 |
| ·模拟电路故障诊断的基本理论 | 第16-17页 |
| ·模拟电路故障的分类 | 第16-17页 |
| ·模拟电路故障诊断的难点 | 第17页 |
| ·模拟电路故障诊断的方法 | 第17-18页 |
| ·人工神经网络(ANN) | 第18-22页 |
| ·神经网络简述 | 第18页 |
| ·神经网络的主要类型 | 第18-20页 |
| ·RBF神经网络原理简介 | 第20-21页 |
| ·基于神经网络的模拟电路故障诊断系统 | 第21-22页 |
| ·基于神经网络的模拟电路故障诊断方法 | 第22-27页 |
| ·故障模式的划分 | 第22页 |
| ·故障仿真 | 第22-24页 |
| ·样本集的构造 | 第24页 |
| ·基于神经网络对故障电路诊断过程 | 第24-27页 |
| 第三章 信息熵理论及在特征提取中的应用 | 第27-30页 |
| ·香农信息熵理论 | 第27-28页 |
| ·信息熵理论的原理 | 第27-28页 |
| ·信息熵理论的应用 | 第28页 |
| ·信息熵在模拟电路故障诊断中的应用原理 | 第28-30页 |
| 第四章 PSO及其在特征提取中的应用 | 第30-35页 |
| ·粒子群优化算法简介 | 第30-35页 |
| ·粒子群算法简介 | 第30页 |
| ·粒子群算法过程简述 | 第30-32页 |
| ·粒子群算法的优点及应用 | 第32-33页 |
| ·离散粒子群算法 | 第33-35页 |
| 第五章 模拟电路故障诊断实例 | 第35-54页 |
| ·选择目标电路并进行故障定义 | 第35-36页 |
| ·PSPICE模拟仿真 | 第36-39页 |
| ·特征提取 | 第39-44页 |
| ·计算特征点的诊断信息量 | 第39-42页 |
| ·利用PSO算法进行最优测点子集的选取 | 第42-44页 |
| ·利用RBF神经网络进行电路的故障诊断 | 第44-54页 |
| ·训练RBF神经网络 | 第45-46页 |
| ·故障诊断及实验结果 | 第46-54页 |
| 第六章 总结及展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-57页 |
