| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第9-14页 |
| 1．1 研究背景与意义 | 第9-10页 |
| 1．2 模拟电路故障诊断方法的国内外研究现状和进展 | 第10-12页 |
| 1．2．1 模拟电路故障诊断原理历史与现状 | 第10-11页 |
| 1．2．2 人工神经网络发展历史和现状 | 第11页 |
| 1．2．3 遗传算法的发展历史和现状 | 第11-12页 |
| 1．3 本文的主要工作 | 第12-14页 |
| 第2章 模拟电路故障诊断基本概念和方法 | 第14-25页 |
| 2．1 模拟电路故障诊断基本概念 | 第14-16页 |
| 2．1．1 模拟电路故障诊断特点 | 第14-15页 |
| 2．1．2 模拟电路故障诊断分类 | 第15-16页 |
| 2．2 模拟电路故障的模式识别法 | 第16-17页 |
| 2．3 模拟电路故障字典法 | 第17-23页 |
| 2．3．1 直流故障字典法 | 第17-18页 |
| 2．3．2 交流故障字典法 | 第18页 |
| 2．3．3 诊断实例 | 第18-23页 |
| 2．4 本章小结 | 第23-25页 |
| 第3章 人工神经网络在模拟电路故障诊断应用 | 第25-35页 |
| 3．1 人工神经网络概述 | 第25-27页 |
| 3．1．1 神经网络的特点 | 第25-26页 |
| 3．1．2 神经网络的分类 | 第26-27页 |
| 3．1．3 神经网络的结构和函数映射 | 第27页 |
| 3．2 神经网络的学习规则 | 第27-29页 |
| 3．3 多层前馈网络与反向传播学习算法 | 第29-32页 |
| 3．3．1 BP结构模型 | 第29-30页 |
| 3．3．2 BP学习规则 | 第30-31页 |
| 3．3．3 BP算法相关的几个问题 | 第31-32页 |
| 3．4 神经网络在模拟电路故障诊断中应用 | 第32-34页 |
| 3．5 本章小结 | 第34-35页 |
| 第4章 大规模容差电路硬故障快速诊断法 | 第35-46页 |
| 4．1 网络撕裂法 | 第35-37页 |
| 4．1．1 网络的撕裂和子网络的特性 | 第35页 |
| 4．1．2 子网络状态判定条件 | 第35-36页 |
| 4．1．3 故障子网络定位逻辑分析 | 第36-37页 |
| 4．2 交叉撕裂搜索诊断法 | 第37-39页 |
| 4．2．1 网络撕裂诊断图和撕裂准则 | 第37-38页 |
| 4．2．2 子网络级故障的逻辑定位 | 第38-39页 |
| 4．3 大规模容差电路硬故障快速诊断法 | 第39-41页 |
| 4．3．1 容差电路硬故障诊断 | 第39-40页 |
| 4．3．2 容差电路硬故障模块快速诊断法 | 第40页 |
| 4．3．3 撕裂补充指导原则 | 第40-41页 |
| 4．4 诊断实例 | 第41-44页 |
| 4．4．1 单故障诊断 | 第41-42页 |
| 4．4．2 多故障诊断 | 第42-44页 |
| 4．5 本章小结 | 第44-46页 |
| 第5章 大规模容差电路软故障诊断法 | 第46-58页 |
| 5．1 支路屏蔽法 | 第46-47页 |
| 5．2 模拟电路软故障不变特性 | 第47-50页 |
| 5．2．1 提取特征向量 | 第47页 |
| 5．2．2 诊断实例 | 第47-50页 |
| 5．3 专家系统在容差电路软故障诊断中应用 | 第50-57页 |
| 5．3．1 专家系统概述 | 第50-51页 |
| 5．3．2 专家系统与模糊神经网络结合 | 第51页 |
| 5．3．3 模糊专家系统在容差电路软故障诊断中应用 | 第51-52页 |
| 5．3．4 诊断实例 | 第52-57页 |
| 5．4 本章小结 | 第57-58页 |
| 第6章 遗传算法在模拟电路故障诊断中应用 | 第58-68页 |
| 6．1 遗传算法概述 | 第58-59页 |
| 6．2 基本遗传算法 | 第59-61页 |
| 6．2．1 简单遗传算法 | 第59页 |
| 6．2．2 遗传操作 | 第59-60页 |
| 6．2．3 适应度及其调整 | 第60-61页 |
| 6．3 神经网络遗传进化训练 | 第61-62页 |
| 6．4 诊断实例 | 第62-64页 |
| 6．5 改进GA方法及诊断实例 | 第64-66页 |
| 6．6 本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-75页 |
| 附录A(攻读学位期间所发表的学术论文目录) | 第75页 |