基于机器学习的模拟电路故障诊断研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-13页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 论文结构安排 | 第12-13页 |
| 2 模拟电路故障诊断理论及应用 | 第13-26页 |
| 2.1 电路系统中的故障诊断基本原理 | 第13-14页 |
| 2.2 模拟电路故障原因及诊断要求 | 第14-16页 |
| 2.2.1 故障原因 | 第14-15页 |
| 2.2.2 故障的维护与诊断的要求 | 第15-16页 |
| 2.3 模拟电路中故障诊断的方式综述 | 第16-25页 |
| 2.3.1 测前仿真法 | 第18-19页 |
| 2.3.2 测后模拟法 | 第19-21页 |
| 2.3.3 模式识别诊断方式 | 第21-22页 |
| 2.3.4 人工神经网络 | 第22-25页 |
| 2.4 小结 | 第25-26页 |
| 3 机器学习方法中支持向量机和BP神经网络原理 | 第26-42页 |
| 3.1 统计学习方法 | 第26-28页 |
| 3.2 支持向量机 | 第28-36页 |
| 3.2.1 线性可分的具体情况 | 第29-32页 |
| 3.2.2 线性不可分情况 | 第32页 |
| 3.2.3 支持向量机变体形式介绍 | 第32-36页 |
| 3.3 BP神经网络系统 | 第36-41页 |
| 3.3.1 BP神经网络依据的原理以及相关推导 | 第36-40页 |
| 3.3.2 BP神经网络的完善进步方法 | 第40-41页 |
| 3.4 小结 | 第41-42页 |
| 4 机器学习算法诊断性能分析 | 第42-54页 |
| 4.1 评价标准 | 第42-45页 |
| 4.2 模型的过分拟合 | 第45页 |
| 4.3 比较分类器的方法 | 第45页 |
| 4.4 实验:建立模拟电路故障诊断模型 | 第45-50页 |
| 4.4.1 故障特征数据 | 第45-47页 |
| 4.4.2 基于BP神经网络的诊断模型 | 第47-48页 |
| 4.4.3 基于SVM算法的诊断模型 | 第48-50页 |
| 4.5 机器学习模型评估 | 第50-52页 |
| 4.5.1 直流仿真与交流仿真模型的比较 | 第50-51页 |
| 4.5.2 算法建模能力综合评估点 | 第51-52页 |
| 4.6 小结 | 第52-54页 |
| 结论与展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 攻读学位期间的研究成果 | 第59页 |
