| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题背景及研究意义 | 第15页 |
| 1.2 模拟电路故障诊断技术的发展历程 | 第15-17页 |
| 1.3 模拟电路故障特征提取 | 第17-19页 |
| 1.4 模拟电路故障特征优化 | 第19-20页 |
| 1.5 文章研究内容及安排 | 第20-21页 |
| 第二章 基于小波包的模拟电路故障特征提取方法 | 第21-36页 |
| 2.1 引言 | 第21页 |
| 2.2 模拟电路的故障特征提取 | 第21-22页 |
| 2.2.1 模拟电路故障机理及特征 | 第21页 |
| 2.2.2 模拟电路故障特征提取方法 | 第21-22页 |
| 2.3 模拟电路故障特征的小波变换提取方法 | 第22-27页 |
| 2.3.1 小波变换 | 第22-24页 |
| 2.3.2 傅里叶变换和小波变换 | 第24-25页 |
| 2.3.3 常见的小波函数 | 第25-26页 |
| 2.3.4 基于小波变换的模拟电路故障特征提取方法 | 第26-27页 |
| 2.4 基于小波包的模拟电路故障特征提取方法 | 第27-30页 |
| 2.4.1 小波包变换 | 第27-29页 |
| 2.4.2 基于小波包的模拟电路故障特征提取方法 | 第29-30页 |
| 2.5 实例分析 | 第30-35页 |
| 2.5.1 基于小波变换的故障特征提取 | 第31-32页 |
| 2.5.2 基于小波包的故障特征提取 | 第32-34页 |
| 2.5.3 小波变换和小波包两种故障特征提取方法比较 | 第34-35页 |
| 2.6 小结 | 第35-36页 |
| 第三章 基于优选小波包的模拟电路故障特征提取 | 第36-48页 |
| 3.1 引言 | 第36页 |
| 3.2 小波函数的特性 | 第36-38页 |
| 3.3 信息熵 | 第38-39页 |
| 3.3.1 熵的概述 | 第38页 |
| 3.3.2 能量熵的逼近与计算 | 第38-39页 |
| 3.4 小波包的优选 | 第39-43页 |
| 3.4.1 确定小波包最佳分解深度 | 第39-41页 |
| 3.4.2 基于能量熵的小波函数优选判据 | 第41-43页 |
| 3.4.3 基于优选小波包的模拟电路故障特征提取 | 第43页 |
| 3.5 电路故障诊断实例与分析 | 第43-46页 |
| 3.5.1 实验内容与步骤 | 第43-46页 |
| 3.5.2 验证最优母小波函数 | 第46页 |
| 3.6 小结 | 第46-48页 |
| 第四章 模拟电路故障特征深度学习 | 第48-63页 |
| 4.1 引言 | 第48页 |
| 4.2 模拟电路故障特征学习 | 第48-52页 |
| 4.2.1 模拟电路故障特征学习概述 | 第48-49页 |
| 4.2.2 基于神经网络的特征学习算法 | 第49-52页 |
| 4.3 模拟电路故障特征深度学习 | 第52-58页 |
| 4.3.1 深度学习概述 | 第52-53页 |
| 4.3.2 自编码器基本原理 | 第53-55页 |
| 4.3.3 构造堆叠自编码器 | 第55-56页 |
| 4.3.4 Softmax分类器 | 第56-57页 |
| 4.3.5 特征深度学习方法与步骤 | 第57-58页 |
| 4.4 实验 | 第58-62页 |
| 4.4.1 实验内容与步骤 | 第58-62页 |
| 4.4.2 实验结果与数据分析 | 第62页 |
| 4.5 小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第69-70页 |