| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 模拟电路故障诊断方法的发展与分类 | 第16-18页 |
| 1.2.1 模拟电路故障诊断方法的发展 | 第16页 |
| 1.2.2 模拟电路故障诊断方法的分类 | 第16-18页 |
| 1.3 本文的主要研究内容及章节安排 | 第18-20页 |
| 1.3.1 本文的主要研究内容 | 第18-19页 |
| 1.3.2 本文的章节安排 | 第19-20页 |
| 第二章 模拟电路故障诊断的理论概述 | 第20-29页 |
| 2.1 模拟电路故障诊断的基本理论 | 第20-21页 |
| 2.2 特征提取方法研究 | 第21-24页 |
| 2.2.1 小波包分解的特征提取方法 | 第21-23页 |
| 2.2.2 主元分析的特征提取方法 | 第23-24页 |
| 2.2.3 线性判别分析的特征提取方法 | 第24页 |
| 2.3 支持向量机(SVM)的基本原理及参数选择 | 第24-28页 |
| 2.3.1 支持向量机的基本原理 | 第24-26页 |
| 2.3.2 多分类支持向量机 | 第26-27页 |
| 2.3.3 支持向量机的参数选择 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 群智能算法优化SVM参数 | 第29-43页 |
| 3.1 群智能算法简介 | 第29页 |
| 3.2 遗传算法(GA) | 第29-30页 |
| 3.3 人工鱼群算法(AFSA) | 第30-32页 |
| 3.4 粒子群优化算法(PSO)及其改进算法 | 第32-36页 |
| 3.4.1 粒子群优化算法(PSO) | 第32页 |
| 3.4.2 改进的粒子群算法(IPSO) | 第32-35页 |
| 3.4.3 基于IPSO优化的SVM分类器分类效果验证 | 第35-36页 |
| 3.5 引力搜索算法(GSA)及其改进算法 | 第36-41页 |
| 3.5.1 引力搜索算法(GSA) | 第36-38页 |
| 3.5.2 改进的引力搜索算法(IGSA) | 第38-40页 |
| 3.5.3 基于IGSA优化的SVM分类器分类效果验证 | 第40-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第四章 改进粒子群算法优化的SVM模拟电路故障诊断 | 第43-54页 |
| 4.1 基于SVM模拟电路故障诊断的基本流程 | 第43-44页 |
| 4.2 基于IPSO-SVM的模拟电路故障诊断 | 第44-51页 |
| 4.2.1 Sallen-Key带通滤波器故障诊断 | 第44-47页 |
| 4.2.2 四运放双二次高通滤波器电路故障诊断 | 第47-50页 |
| 4.2.3 非线性整流电路故障诊断 | 第50-51页 |
| 4.3 实际模拟电路故障诊断研究 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 改进引力搜索算法优化的SVM模拟电路故障诊断 | 第54-61页 |
| 5.1 模拟电路故障诊断步骤及故障设置 | 第54-57页 |
| 5.1.1 基于IGSA-SVM的模拟电路故障诊断步骤 | 第54-55页 |
| 5.1.2 四运放双二次高通滤波器故障设置 | 第55-56页 |
| 5.1.3 非线性整流电路故障设置 | 第56-57页 |
| 5.2 模拟电路故障诊断结果分析 | 第57-59页 |
| 5.2.1 四运放双二次高通滤波器电路仿真结果分析 | 第57-58页 |
| 5.2.2 非线性整流电路仿真结果分析 | 第58-59页 |
| 5.3 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第66页 |
