模拟电路故障特征提取与智能融合诊断方法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第1章 绪论 | 第12-18页 |
| ·模拟电路故障诊断的意义 | 第12页 |
| ·模拟电路故障诊断理论的发展 | 第12-13页 |
| ·模拟电路故障诊断的现状及其分析 | 第13-15页 |
| ·诊断方法的分类 | 第15-16页 |
| ·论文结构与研究内容 | 第16-18页 |
| 第2章 模拟电路故障诊断的神经网络方法 | 第18-32页 |
| ·引言 | 第18页 |
| ·神经网络概述 | 第18-19页 |
| ·神经网络模型 | 第19-24页 |
| ·BP 神经网络 | 第19-22页 |
| ·RBF 神经网络 | 第22-23页 |
| ·RBF 网络与 BP 神经网络的比较 | 第23-24页 |
| ·基于神经网络的模拟电路故障诊断 | 第24-31页 |
| ·诊断基本框架 | 第24-25页 |
| ·训练样本构造 | 第25-27页 |
| ·输出量的表示 | 第27-28页 |
| ·神经网络结构确定和训练 | 第28-31页 |
| ·小结 | 第31-32页 |
| 第3章 模拟电路故障特征提取方法 | 第32-40页 |
| ·引言 | 第32页 |
| ·特征提取方法概述 | 第32-34页 |
| ·K 近邻法 | 第34-36页 |
| ·K 近邻法则 | 第34页 |
| ·基于D-S 证据理论的K 近邻法 | 第34-36页 |
| ·基于K 近邻法的电路故障特征提取 | 第36-37页 |
| ·基本原理 | 第36页 |
| ·故障特征空间构建 | 第36-37页 |
| ·实施步骤 | 第37页 |
| ·诊断实例与分析 | 第37-39页 |
| ·待测电路及其故障模拟 | 第37-38页 |
| ·诊断结果及其分析 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第4章 信息融合在电路诊断中的应用研究 | 第40-48页 |
| ·引言 | 第40页 |
| ·信息融合概述 | 第40-44页 |
| ·基于属性融合的基本原理 | 第40-42页 |
| ·贝叶斯统计理论 | 第42-43页 |
| ·模糊聚类融合理论 | 第43-44页 |
| ·融合融合诊断方法 | 第44-46页 |
| ·数据层融合诊断 | 第44-45页 |
| ·特征层融合诊断 | 第45-46页 |
| ·决策层融合诊断 | 第46页 |
| ·模拟电路融合诊断的基本步骤 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第5章 基于异质信息融合的模拟电路诊断 | 第48-63页 |
| ·引言 | 第48页 |
| ·基于证据理论的决策融合 | 第48-51页 |
| ·D-S 理论的基本概念 | 第48-49页 |
| ·D-S 证据理论和融合规则 | 第49-50页 |
| ·D-S 理论的不足 | 第50页 |
| ·组合规则的几种修改算法 | 第50-51页 |
| ·考虑信息不相容的电路融合诊断 | 第51-56页 |
| ·决策融合步骤 | 第51-52页 |
| ·关联权重系数的确定 | 第52-53页 |
| ·先验权重系数的确定 | 第53-56页 |
| ·实施策略 | 第56页 |
| ·待测电路及其故障诊断 | 第56-61页 |
| ·诊断实例1 | 第56-59页 |
| ·诊断实例2 | 第59-61页 |
| ·小结 | 第61-63页 |
| 第6章 基于可传递置信模型的融合诊断 | 第63-72页 |
| ·引言 | 第63页 |
| ·可传递置信模型简介 | 第63-66页 |
| ·可传递置信模型概述 | 第63-64页 |
| ·融合规则 | 第64-66页 |
| ·Pignistic 层决策规则 | 第66页 |
| ·电路融合诊断方法 | 第66-67页 |
| ·基本思想 | 第66-67页 |
| ·诊断步骤 | 第67页 |
| ·诊断实例及其分析 | 第67-71页 |
| ·待测电路及其故障模拟 | 第67-70页 |
| ·融合诊断步骤及实现 | 第70页 |
| ·诊断结果及分析 | 第70-71页 |
| ·小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-82页 |
| 致谢 | 第82-83页 |
| 附录 A 攻读学位期间所发表的学术论文 | 第83-84页 |
| 附录 B 攻读学位期间专利与软件著作权申请情况 | 第84-85页 |
| 附录 C 攻读学位期间参加的科研工作及学术活动 | 第85页 |
