基于神经网络的非线性模拟电路故障诊断
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.2 模拟电路故障诊断的发展与研究现状 | 第10-15页 |
| 1.2.1 模拟电路故障诊断的发展 | 第10-11页 |
| 1.2.2 模拟电路故障诊断方法分类 | 第11-12页 |
| 1.2.3 模拟电路故障诊断的研究现状 | 第12-15页 |
| 1.3 本文主要研究内容与结构安排 | 第15-17页 |
| 第2章 神经网络 | 第17-30页 |
| 2.1 神经网络的发展历程 | 第17-19页 |
| 2.2 神经网络的特性及分类 | 第19-20页 |
| 2.2.1 神经网络的特性 | 第19页 |
| 2.2.2 神经网络的分类 | 第19-20页 |
| 2.3 神经元模型与连接模式 | 第20-23页 |
| 2.3.1 神经元模型 | 第20-21页 |
| 2.3.2 神经元连接模式 | 第21-23页 |
| 2.4 神经网络学习方式及规则 | 第23-25页 |
| 2.4.1 神经网络的学习方式 | 第24页 |
| 2.4.2 神经网络的学习规则 | 第24-25页 |
| 2.5 BP神经网络 | 第25-29页 |
| 2.5.1 BP神经网络结构 | 第25页 |
| 2.5.2 BP神经网络学习算法及改进 | 第25-28页 |
| 2.5.3 BP神经网络故障诊断过程 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 模糊神经网络 | 第30-42页 |
| 3.1 模糊理论 | 第30-35页 |
| 3.1.1 模糊逻辑 | 第30页 |
| 3.1.2 隶属函数 | 第30-32页 |
| 3.1.3 模糊逻辑与神经网络的结合 | 第32-35页 |
| 3.2 模糊神经元 | 第35-37页 |
| 3.3 模糊神经网络结构及算法 | 第37-40页 |
| 3.4 模糊神经网络故障诊断的优势 | 第40页 |
| 3.5 模糊神经网络在模拟电路故障诊断中的应用 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 带通滤波器电路仿真分析 | 第42-52页 |
| 4.1 BP神经网络诊断方法 | 第42-47页 |
| 4.1.1 电路分析 | 第42页 |
| 4.1.2 频率响应故障特征提取 | 第42-44页 |
| 4.1.3 样本集构造 | 第44-45页 |
| 4.1.4 诊断结果 | 第45-47页 |
| 4.2 模糊神经网络诊断方法 | 第47-50页 |
| 4.2.1 电路分析 | 第48-49页 |
| 4.2.2 样本集构造 | 第49页 |
| 4.2.3 网络结构 | 第49页 |
| 4.2.4 诊断结果 | 第49-50页 |
| 4.3 诊断结果比较 | 第50-52页 |
| 第5章 带阻滤波器电路仿真分析 | 第52-64页 |
| 5.1 小波变换与故障特征提取 | 第52-57页 |
| 5.1.1 小波变换基本理论 | 第52-55页 |
| 5.1.2 小波变换用于特征提取 | 第55-57页 |
| 5.2 仿真分析及结果比 | 第57-64页 |
| 5.2.1 电路分析 | 第57页 |
| 5.2.2 小波包变换故障特征提取 | 第57-59页 |
| 5.2.3 构造样本集 | 第59-60页 |
| 5.2.4 诊断结果及比较分析 | 第60-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间发表的论文 | 第70页 |
