| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景及意义 | 第10-11页 |
| 1.3 测试激励信号优化研究现状 | 第11-12页 |
| 1.4 本文主要研究内容 | 第12-14页 |
| 第2章 非线性模拟电路的 Volterra 级数描述 | 第14-25页 |
| 2.1 Volterra 级数概述 | 第14-16页 |
| 2.1.1 Volterra 级数描述 | 第14-15页 |
| 2.1.2 Volterra 级数性质 | 第15-16页 |
| 2.2 非线性模拟电路的 Volterra 核测量 | 第16-19页 |
| 2.2.1 Vandermode 矩阵法 | 第16-18页 |
| 2.2.2 多音信号法频域核测量 | 第18-19页 |
| 2.2.3 故障网络频域核测量 | 第19页 |
| 2.3 Volterra 级数的最高显著阶计算 | 第19-22页 |
| 2.3.1 Volterra 级数显著阶定义 | 第20-21页 |
| 2.3.2 Volterra 级数显著阶计算实例 | 第21-22页 |
| 2.4 基于 Volterra 核的非线性模拟电路智能诊断思路 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 蚁群粒子群混合优化算法 | 第25-45页 |
| 3.1 蚁群算法工作原理及研究 | 第25-34页 |
| 3.1.1 蚁群优化算法基本原理 | 第25-28页 |
| 3.1.2 蚁群算法数学模型 | 第28-29页 |
| 3.1.3 蚁群算法的优化流程 | 第29-31页 |
| 3.1.4 蚁群算法的改进 | 第31-34页 |
| 3.2 基本粒子群优化算法 | 第34-38页 |
| 3.2.1 粒子群算法的基本概念 | 第34-35页 |
| 3.2.2 标准粒子群算法流程 | 第35-36页 |
| 3.2.3 基本粒子群算法的改进方案 | 第36-38页 |
| 3.3 蚁群粒子群混合优化算法 | 第38-42页 |
| 3.3.1 融合算法的设计思想 | 第39-40页 |
| 3.3.2 蚁群粒子群混合算法的优化流程 | 第40-42页 |
| 3.4 蚁群粒子群混合算法仿真分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 测试激励信号优化总体设计 | 第45-51页 |
| 4.1 测试激励优化原理 | 第45页 |
| 4.2 测试激励优化系统的总体结构 | 第45-46页 |
| 4.3 基于蚁群粒子群混合算法的测试激励优化方法 | 第46-50页 |
| 4.3.1 蚁群粒子群混合算法的激励优化流程 | 第46-47页 |
| 4.3.2 测试激励优化的适应度函数 | 第47页 |
| 4.3.3 蚁群粒子群混合算法的激励优化实例验证 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 测试激励优化系统硬件软件设计 | 第51-63页 |
| 5.1 主控制器模块 | 第51-54页 |
| 5.1.1 主控芯片 LPC2131 概述 | 第51-52页 |
| 5.1.2 电源模块电路 | 第52-53页 |
| 5.1.3 时钟电路 | 第53页 |
| 5.1.4 复位电路 | 第53-54页 |
| 5.1.5 JTAG 接口电路 | 第54页 |
| 5.2 多音信号发生和采集单元 | 第54-58页 |
| 5.2.1 多音信号发生电路设计 | 第55-57页 |
| 5.2.2 信号采集电路设计 | 第57-58页 |
| 5.3 串口通信模块 | 第58-59页 |
| 5.4 激励信号优化系统软件设计 | 第59-62页 |
| 5.5 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |
