| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·模拟电路故障诊断的研究发展方向 | 第11-12页 |
| ·神经网络在模拟电路故障诊断中的应用 | 第12页 |
| ·数据融合技术与神经网络的结合 | 第12-13页 |
| ·本文主要研究内容及结构安排 | 第13-15页 |
| 第2章 基于神经网络的模拟电路故障诊断研究 | 第15-26页 |
| ·人工神经网络综述 | 第15-19页 |
| ·神经网络的主要类型 | 第15-16页 |
| ·几种基本的人工神经网络类型 | 第15-16页 |
| ·人工神经网络的代表性应用模型 | 第16页 |
| ·神经网络的优势 | 第16-17页 |
| ·神经网络的学习算法 | 第17-19页 |
| ·BP 神经网络故障诊断 | 第19-22页 |
| ·BP 神经网络模型及学习算法 | 第19-21页 |
| ·BP 算法的局限及改进 | 第21-22页 |
| ·基于 BP 神经网络的模拟电路故障诊断实例 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 数据融合技术在模拟电路故障诊断中的应用 | 第26-39页 |
| ·数据融合技术概述 | 第26-27页 |
| ·数据融合的应用及主要方法 | 第27-33页 |
| ·Bayes 统计融合方法 | 第29-31页 |
| ·Dempester-Shafer 证据理论融合方法 | 第31-33页 |
| ·模糊集理论融合方法 | 第33页 |
| ·基于模糊融合方法的模拟电路故障诊断实例 | 第33-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 神经网络数据融合模拟电路故障诊断 | 第39-51页 |
| ·神经网络与数据融合结合的相关研究 | 第39-40页 |
| ·神经网络数据融合的原理 | 第40-43页 |
| ·结合方法及其优越性 | 第40-41页 |
| ·融合神经网络组织结构 | 第41-43页 |
| ·多神经网络决策融合诊断的系统实现及仿真 | 第43-50页 |
| ·故障特征参量选取 | 第43-44页 |
| ·神经网络的构造 | 第44页 |
| ·决策融合方法选取 | 第44页 |
| ·故障定位规则 | 第44-45页 |
| ·系统软硬件实现 | 第45-46页 |
| ·系统硬件结构 | 第45-46页 |
| ·系统软件实现 | 第46页 |
| ·神经网络决策融合诊断实例 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 结论及展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 附录 A （攻读学位期间所发表的学术论文目录） | 第58页 |