| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景 | 第8页 |
| ·国内外现状 | 第8-10页 |
| ·贮存寿命研究现状 | 第8-9页 |
| ·预测算法研究现状 | 第9-10页 |
| ·可靠性寿命加速试验 | 第10-11页 |
| ·加速寿命试验分类 | 第11页 |
| ·课题主要研究内容 | 第11-14页 |
| 第二章 密封式继电器贮存退化参数预处理 | 第14-24页 |
| ·小波分析的由来 | 第14-16页 |
| ·小波去噪 | 第16-19页 |
| ·小波阈值去噪的基本思想 | 第16-17页 |
| ·小波阈值去噪步骤 | 第17页 |
| ·常用的小波函数 | 第17-18页 |
| ·阈值函数 | 第18-19页 |
| ·去噪效果评价 | 第19页 |
| ·数据处理结果 | 第19-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 基于遗传算法优化BP神经网络的贮存退化参数预测 | 第24-40页 |
| ·人工神经网络概述 | 第24-28页 |
| ·BP神经网络结构及原理 | 第25页 |
| ·BP神经网络的学习过程 | 第25-27页 |
| ·隐含层节点的确定 | 第27-28页 |
| ·BP神经网络的MATLAB实现 | 第28-30页 |
| ·BP神经网络的特点及缺陷 | 第30-31页 |
| ·遗传算法概述 | 第31-33页 |
| ·遗传算法基本思想 | 第31页 |
| ·遗传算法的特点 | 第31-32页 |
| ·遗传算法的实现步骤 | 第32页 |
| ·遗传算法优化BP神经网络原理 | 第32-33页 |
| ·实例分析 | 第33-39页 |
| ·选择敏感参数 | 第33-34页 |
| ·建立网络预测模型 | 第34-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于PCA-RBF神经网络的贮存退化参数预测 | 第40-50页 |
| ·RBF神经网络概述 | 第40-42页 |
| ·RBF神经网络的基本原理 | 第40-41页 |
| ·RBF与BP神经网络的区别 | 第41-42页 |
| ·主元分析法概述 | 第42-43页 |
| ·相关性分析原理 | 第42-43页 |
| ·主元分析步骤 | 第43页 |
| ·实例分析 | 第43-48页 |
| ·相关性分析处理 | 第43-44页 |
| ·主元分析处理 | 第44-45页 |
| ·搭建RBF网络预测模型 | 第45-46页 |
| ·仿真结果分析 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 基于加速寿命试验的密封式继电器贮存寿命预测 | 第50-54页 |
| ·加速试验温度的选取 | 第50页 |
| ·模型分析及加速寿命预测 | 第50-51页 |
| ·常温应力下贮存寿命预测 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间发表的论文 | 第60-62页 |
| 致谢 | 第62页 |
