基于模糊神经网络的模拟电路故障诊断研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·选题背景和意义 | 第10-11页 |
| ·模拟电路故障诊断 | 第11-14页 |
| ·模拟电路故障诊断的困难 | 第11页 |
| ·模拟电路故障诊断的发展 | 第11-12页 |
| ·模拟电路故障分类 | 第12-13页 |
| ·模拟电路故障诊断方法分类 | 第13-14页 |
| ·模拟电路故障诊断人工智能方法 | 第14-17页 |
| ·专家系统方法 | 第14-15页 |
| ·神经网络方法 | 第15页 |
| ·模糊方法 | 第15-16页 |
| ·模糊神经网络方法 | 第16-17页 |
| ·本文的组织安排 | 第17-18页 |
| 第二章 人工神经网络 | 第18-38页 |
| ·人工神经网络的发展及其特点 | 第18-21页 |
| ·人工神经网络的发展 | 第18-20页 |
| ·人工神经网络的特点 | 第20-21页 |
| ·人工神经元模型 | 第21-23页 |
| ·神经元互连形式 | 第23-25页 |
| ·神经网络的学习方法 | 第25-27页 |
| ·学习方式 | 第25-26页 |
| ·学习规则 | 第26-27页 |
| ·BP神经网络 | 第27-30页 |
| ·BP神经网络结构 | 第27页 |
| ·BP算法 | 第27-30页 |
| ·BP算法的改进 | 第30-37页 |
| ·BP算法的缺点 | 第30页 |
| ·BP算法的启发式改进 | 第30-35页 |
| ·附加动量法 | 第31-32页 |
| ·自适应学习率算法 | 第32-33页 |
| ·弹性BP算法 | 第33-35页 |
| ·基于数值优化的改进算法 | 第35-37页 |
| ·牛顿法 | 第35-36页 |
| ·共轭梯度法 | 第36页 |
| ·Levenberg-Marquardt法 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第三章 弹性BP算法在故障诊断中的应用 | 第38-55页 |
| ·神经网络结构 | 第38-42页 |
| ·网络信息容量与训练样本数 | 第38页 |
| ·训练样本集的选择 | 第38-41页 |
| ·输入量的提取与表示 | 第39页 |
| ·输出量的表示 | 第39-40页 |
| ·输入数据的预处理 | 第40-41页 |
| ·网络结构设计 | 第41-42页 |
| ·隐层数的设计 | 第41页 |
| ·隐节点数的设计 | 第41-42页 |
| ·弹性BP算法在故障诊断中的应用 | 第42-50页 |
| ·诊断电路一 | 第42-48页 |
| ·诊断电路训练样本集 | 第43-45页 |
| ·仿真实验 | 第45-48页 |
| ·诊断电路二 | 第48-50页 |
| ·诊断电路训练样本集 | 第49-50页 |
| ·仿真实验 | 第50页 |
| ·小结 | 第50-55页 |
| 第四章 模糊神经网络 | 第55-76页 |
| ·模糊逻辑理论基础 | 第55-60页 |
| ·模糊集合的定义 | 第55-56页 |
| ·模糊集合的表示法 | 第56页 |
| ·模糊集合的并、交、补运算 | 第56-57页 |
| ·隶属函数 | 第57-60页 |
| ·模糊逻辑系统 | 第60-64页 |
| ·模糊逻辑系统的组成与分类 | 第60-61页 |
| ·模糊规则库 | 第61-63页 |
| ·模糊推理机 | 第63页 |
| ·模糊产生器和反模糊化器 | 第63-64页 |
| ·模糊神经网络 | 第64-70页 |
| ·模糊推理与神经网络系统的关系 | 第64-66页 |
| ·模糊推理与神经网络系统的相似性 | 第65页 |
| ·模糊推理与神经网络系统的差异性 | 第65-66页 |
| ·模糊神经网络的发展 | 第66-67页 |
| ·模糊系统和神经网络的结合 | 第67-68页 |
| ·串联型模糊神经网络 | 第68-70页 |
| ·串联型模糊神经网络结构 | 第68-70页 |
| ·学习算法 | 第70页 |
| ·诊断实例 | 第70-74页 |
| ·诊断电路 | 第70-71页 |
| ·诊断电路训练样本集 | 第71页 |
| ·仿真实验 | 第71-74页 |
| ·文中故障诊断的比较 | 第74-75页 |
| ·小结 | 第75-76页 |
| 第五章 结论与展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83页 |
