| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究的背景及意义 | 第11-12页 |
| ·模拟电路故障诊断技术的发展及研究现状 | 第12-13页 |
| ·模拟电路故障诊断方法分类 | 第13-15页 |
| ·课题研究所做的主要工作 | 第15-17页 |
| 第2章 PSpice与Matlab小波工具箱的分析及数据通信 | 第17-23页 |
| ·PSpice的组成及主要功能 | 第17-19页 |
| ·Matlab小波工具箱简介 | 第19-20页 |
| ·OrCAD PSpice与Matlab的数据通信 | 第20-21页 |
| ·数据从OrCAD PSpice导入Matlab | 第20-21页 |
| ·数据从Matlab导入OrCAD PSpice | 第21页 |
| ·本章小结 | 第21-23页 |
| 第3章 基于小波变换理论的特征提取方法的研究 | 第23-31页 |
| ·一维小波变换 | 第23-24页 |
| ·小波包理论 | 第24-26页 |
| ·小波包的定义 | 第24-25页 |
| ·小波包的分解算法 | 第25-26页 |
| ·基于小波包的信号特征提取 | 第26-29页 |
| ·最优小波包特征提取方法 | 第27-29页 |
| ·不完全小波包特征提取方法 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第4章 支持向量机理论在模式分类中的应用 | 第31-39页 |
| ·支持向量机原理 | 第31-35页 |
| ·线性支持向量机 | 第31-33页 |
| ·非线性支持向量机 | 第33-34页 |
| ·支持向量机的核函数 | 第34-35页 |
| ·支持向量机多类分类算法 | 第35-38页 |
| ·一对多分类算法 | 第35-36页 |
| ·一对一分类算法 | 第36-37页 |
| ·DDAG分类算法 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第5章 基于SVM与ART相结合的多类分类算法 | 第39-49页 |
| ·自适应共振理论(ART) | 第39-41页 |
| ·BP神经网络原理 | 第41-44页 |
| ·SVM与ART相结合的多类分类算法 | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 第6章 模拟电路故障诊断仿真实验分析和系统设计 | 第49-73页 |
| ·数据采集及特征提取方法的应用 | 第49-60页 |
| ·故障诊断电路 | 第49-51页 |
| ·故障信号采集 | 第51-54页 |
| ·小波变换提取故障特征 | 第54-57页 |
| ·不完全小波包变换提取故障特征 | 第57-58页 |
| ·最优小波包变换提取故障特征 | 第58-59页 |
| ·仿真结果与分析 | 第59-60页 |
| ·诊断算法的网络结构设计 | 第60-65页 |
| ·数据样本集的构造 | 第60-62页 |
| ·支持向量机与自适应共振网络的设计 | 第62-63页 |
| ·神经网络结构设计和阈值训练 | 第63-65页 |
| ·SVM-ART1-b多类分类方法应用举例 | 第65-67页 |
| ·基于SVM-ART1-b算法的电路诊断系统设计及实现 | 第67-71页 |
| ·本章小结 | 第71-73页 |
| 第7章 结论与展望 | 第73-75页 |
| ·结论 | 第73页 |
| ·展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |
